第十五章定义和诊断检验.PDFVIP

第十五章 定义和诊断检验 经验研究经常是一种相互影响的过程。这一过程从估计关系的定义开 始。选择定义常含有几个选择：变量，连接这些变量的函数，以及当数据 是时间序列时表示变量间关系的动态结构。 不可避免地，在初始定义的恰当性方面存在不确定性。一旦估计了方 程，EViews提供了评价方程定义质量的工具。随着改进，检验结果将影响 所选择的定义，这一过程将重复下去，直到方程定义恰当为止。 本章描述了在方程对象的View和Procs 中关于定义检验统计量的多个菜 单。我们试图提供足够的统计方法来进行这些检验，但是实际考虑的许多 描述是不完全的，建议查阅标准统计和经济计量学参考资料。 下面描述的每一检验过程包括假设检验的原假设定义。检验指令输出包 括一个或多个检验统计量样本值和它们的联合概率值（p值）。p值说明在原 假设为真的情况下，样本统计量绝对值的检验统计量大于或等于临界值的概 率。这样，低的p值就拒绝原假设。例如，如果p值在0.05和0.1之间，原假设 在5%的显著性水平被拒绝而不是1%。对每一检验都有不同假设和分布结果。 例如，有些检验统计量有确切的有限的样本分布（常为t或F分布）。其它是 服从近似分布的大样本检验统计量。每一检验的内容都不同，将分别描述。 方程对象菜单的View 中给出三种检 验类型选择来检验方程定义。包括系数 检验、残差检验和稳定性检验： 其它检验在其它章节讨论。它们包括单位根检验（13章）、Granger 因果 检验（8章）和Johansen协整检验（20章）。 §15.1 系数检验 系数检验对估计系数的约束进行评价，包括对遗漏变量和冗余变量特殊 情况的检验。 一、Wald检验——系数约束条件检验 1、Wald检验原理 Wald检验没有把原假设定义的系数限制加入回归，通过估计这一无限制 回归来计算检验统计量。Wald统计量计算无约束估计量如何满足原假设下的 约束。如果约束为真，无约束估计量应接近于满足约束条件。下面给出计算 Wald 检验统计量的一般公式。 考虑一个一般非线性回归模型 y f ()  其中y 和 是T 维向量， 是待估计参数的k维向量。对参数的任何约束可以   写为： H 0 : g () 0 g 是一个光滑函数 k q ，(对 加入q个约束条件) 。Wald统计量由下 g : R R  式计算： 1 g (b) g (b)  W Tg(b)  V(b)   g (b)  b b  T 为观测值个数，b是非限制参数估计向量。下式给出b的估计方差V： 1  2 g (b) g (b)  2 u u V Ts   , s  b b  T k 2 u是无约束残差向量，s 是无约束残差方差。进一步，在原假设下，Wald 2  统计量服从渐近 分布。q是 下的约束数。 H