高级计量经济学 第11章 模型的诊断与检验.pdf

§2.11模型的诊断与检验 11.1 模型总显著性的F检验（已讲过） 11.2 模型单个回归参数显著性的t检验（已讲过） 11.3 检验若干线性约束条件是否成立的F检验 11.4 似然比（LR ）检验 11.5 沃尔德（Wald ）检验 11.6 拉格朗日乘子（LM ）检验 11.7 邹（Chow ）突变点检验（不讲） 11.8 JB （Jarque-Bera ）正态分布检验（不讲） 11.9 格兰杰（Granger ）因果性检验（不讲） 1 第11章 模型的诊断与检验 （第3版252页） 在建立模型过程中，要对模型参数以及模型的各种假定条件作 检验。这些检验要通过运用统计量来完成。在第2章和第3章已 经介绍过检验单个回归参数显著性的t统计量和检验模型参数 总显著性的F统计量。在第5章介绍了模型误差项是否存在异 方差的Durbin-Watson检验、White检验；在第6章介绍了模型 误差项是否存在自相关的DW检验和BG检验。 本章开始先简要总结模型参数总显著性的F检验、单个回归参 数显著性的t检验。然后再介绍几个在建模过程中也很常用的 其他检验方法。他们是检验模型若干线性约束条件是否成立的 F检验和似然比（LR ）检验、Wald检验、LM检验、JB检验以 及Granger非因果性检验。 2 11.1 模型总显著性的F 检验 以多元线性回归模型，y = β +βx +βx +…+β x + u 为例， t 0 1 t1 2 t2 k t k t 原假设与备择假设分别是 H ：β = β = … = β = 0 ； H ：β不全为零 0 1 2 k 1 j 在原假设成立条件下，统计量 SSR /(k ) F ~ F (k , T −k −1) SSE /(T −k −1) 其中SSR指回归平方和；SSE指残差平方和；k+1表示模型中 被估参数个数；T 表示样本容量。判别规则是， 若 F ≤F (k,T-k-1)，接受H ； α 0 若 F F (k,T-k-1) , 拒绝H 。 α 0 3 11.2 模型单个回归参数显著性的t 检 验 对于多元线性回归模型，y = β +βx + βx +…+ β x + u t 0 1 t1 2 t2 k t k t 如果 F 检验的结论是接受原假设，则检验止。如果 F 检验的结论是拒 绝原假设，则进一步作 t 检验。检验模型中哪个（或哪些）解释变量 是重要解释变量，哪个是可以删除的变量。原假设与备择假设分别是 H ：β = 0 ； H ：β ≠ 0 ，(j = 1, 2, …, k) 。 0 j 1 j 注意：这是做 k 个 t 检验。在原假设成立条件下，统计量 ˆ βj t = ˆ ∼t(Τ−k-1), (j = 1, 2, …, k) s(β ) j ˆ ˆ ˆ 其中β 是对β 的估计，s(β ) ,j