应用计量经济学1-多元回归分析(下).pdf

多元线性回归模型 其他设定与诊 多元线性回归模型 其他设定与诊 断检验 断检验 厦门大学财政系 王艺明 实证研究的初步结论 实证研究的初步结论 l 上一部分，我们得到的回归模型为 l LS(H) DR C GIP GPW(-1) ar(1) ar(2) ar(3) ar(4) ar(5) ar(6) l 该模型不存在前六阶序列相关 其他设定与诊断检验－Wald检验 其他设定与诊断检验－Wald检验 l Wald检验是参数的约束检验 l 如要检验GIP 和GPW 的系数相等，点击View－ t t-1 Coefficient Test－Wald…－输入c(2)=c(3) l H :c(2)=c(3) 0 2 -1 -1 l Wald统计量＝(Rb-r)’(Rs (x’x) R’) (Rb-r) l 其中R β-r=0为约束条件（即H ） 0 l F=Wald/q=[(u ’u -u ’u )/q]/[u ’u /(N-k)]~F(q,N- R R U U U U k) l F=0.100716，p=0.751127 l P<显著性水平如5％时，可以在该显著性水平上拒绝零假 设；P>显著性水平如5％时，无法在该显著性水平上拒绝 零假设。无法拒绝c(2)=c(3)的零假设 其他设定与诊断检验－忽略变量检验 其他设定与诊断检验－忽略变量检验 l 检验模型设定中是否遗漏了重要变量 l 如要检验模型是否遗漏了GIPt-1 ，点击View－Coefficient Test－Omitted…－输入GIP(-1) l H : GIP 的系数为0 0 t-1 l 检验统计量LR=-2(l -l ) （约束和无约束模型对数似然值 r u 2 ）～χ (q) （约束条件个数） l LR＝7.667991，p=0.005621 l P<显著性水平5％时，可以在该显著性水平上拒绝零假设 ；P>显著性水平5％时，无法在该显著性水平上拒绝零假 设。可以拒绝GIPt-1 的系数为0的零假设。 2 l 把该变量加入模型后，发现为显著，且R 提高 其他设定与诊断检验－冗余变量检验 其他设定与诊断检验－冗余变量检验 l 检验模型设定中是否存在冗余变量 l 如要检验模型中GIP是否为冗余变量，点击View－ Coefficient Test－Redundant…－输入GIP l H : GIP 的系数为0 0 l F＝26.03699，p=0.000001 l P<显著性水平5％时，可以在该显著性水平上拒绝零假设 l P>显著性水平5％时，无法在该显著性水平上拒绝零假设 l 拒绝GIP 的系数为0的零假设，说明GIP不是冗余变量 其他设定与诊断检验－残差的自相关 其他设定与诊断检验－残差的自相关 和偏自相关图 和偏自相关图 l 点击View－Residual Test－Correlograms-Q…－点击 OK。显示残差的自相关和偏自相关系数，Ljung-Box Q统 计量，以及p值 l H :序列不存在直到k阶的自相关 0 l 其中分子是j阶自相关系数的平方。Q服从卡方分布，自由 度为k。P<显著性水平时，拒绝零假设（存在自相关）； P>显著性时，无法拒绝零假设（无自相关）。 其他设