第13章_模型检验的常用统计量.pdf

第 13 章 模型检验的常用统计量 这一章介绍 10 种常用统计量。都是为模型的诊断与检验服务的。在建立模型过程 中，首先应对初始模型的随机误差项进行异方差和自相关检验。对模型的其他检验都应 建立在随机误差项满足假定条件基础之上。在检验模型参数约束条件是否成立的过程中 逐步剔除不显著变量，化简模型，同时还要保持模型随机误差项的非自相关性和同方差 性不被破坏。 先简要总结检验模型参数总显著性的F 统计量和检验单个回归参数显著性的t 统计 量。然后再介绍 10 种常用统计量。其中包括检验回归参数线性约束条件是否成立的 F 统计量，似然比（LR ）统计量，检验回归参数线性约束与非线性约束是否成立的Wald 统计量和拉格朗日乘子（LM ）统计量，检验正态分布的 JB 统计量，检验模型最优滞 后期的赤池准则、施瓦茨准则、汉南准则，检验变量间因果关系的格兰杰 （Granger ） 因果性检验，检验模型是否存在结构变化的邹（Chow ）突变点检验和邹（Chow ）稳定 性检验以及递归分析等。 2013-9-23 应用数量经济学 13.1 检验模型总显著性的 F 统计量 以多元线性回归模型， y =  +x +  x +…+  x + u (13-1) t 0 1 t1 2 t2 k-1 t k-1 t 为例，原假设与备择假设分别是 H ： =  = … =  = 0 ； 0 1 2 k-1 H ：，(j = 1, 2, …, k-1)不全为零。 1 j 在原假设成立条件下，统计量 ESS / k F = F(k, T-k) (13-2) RSS /(T k ) 其中 ESS 指回归平方和；RSS 指残差平方和；k 表示模型中被估参数个数；T 表示样 本容量。判别规则是， 若用样本计算的 F F (k, T-k)，则接受 H ；  0 若用样本计算的 F F (k, T-k), 则拒绝 H 。  0 其中指检验水平。详见第 3 章。 2013-9-23 应用数量经济学 13.2 检验回归系数显著性的 t 统计量 对于多元线性回归模型， y =  +x +  x +…+  x + u t 0 1 t1 2 t2 k-1 t k-1 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，检验每一个回归系数是否显著地不为零，即检验模型中相应 解释变量是否为模型重要解释变量。原假设与备择假设分别是 H ： = 0 ； 0 j H ：  0 ，(j = 1, 2, …, k-1) 。 1 j 注意：这是做 k-1 次 t 检验。在原假设成立条件下，统计量 ˆ j t = ˆ t-k, (j = 1, 2, …, k-1) (13-3) s ( ) j ˆ ˆ ˆ 其中 是对 的估计，s( ) ,j = 1, 2, …, k-1 是 的样本标准差。判别规则是，