Hausman检验说明（整理）.pptxVIP

Hausman 检验 Hausman 检验的基本思想是：由于在遗漏相关变量的情况下，往往导致解释 变量与随机扰动项出现同期相关性，即Cov ? Xt ,ut ? ? 0 ，外生性条件不满足，从 而使得 OLS 估计量有偏且非一致。因此，对模型遗漏相关变量的检验可以用模 型是否出现解释变量与随机扰动项同期相关性的检验来替代。 我们知道，当Cov ? Xt ,ut ? ? 0 ，或者解释变量与随机扰动项同期相关时，采 用工具变量法（IV）可得到参数的一致估计量；当解释变量与随机扰动项同期无 关时，OLS 估计量为参数的一致估计量。因此，只须检验 IV 估计量与 OLS 估计 量是否存在显著的差异性，以检验解释变量与随机扰动项是否同期无关，进而判 别模型是否存在着遗漏相关变量的情况。 Hausman 检验在原假设条件下，IV 估计量与 LS 估计量都是一致的，而在 备择假设中，只有 IV 估计量是一致的。若外生性条件确定满足时，我们更倾向 于使用 LS 估计量；而当外生性条件不确定满足时，就需要使用 IV 估计量。 令d ? bIV ? bLS ，则 H 检验统计量为一个 Wald 统计量： H ? d [Est.Asy.Var(d )]?1 d 可以证明得到 Asy.Var(d ) ? Asy.Var(bIV ) ? Asy.Var(bLS ) 。则 H ? (b ? b ) [Est.Asy.Var(b ) ? Est.Asy.Var(b )]?1 (b ? b ) IV LS IV LS IV LS 若拒绝原假设则需要选用 IV 估计量。 模型选择统计量;则（Shibata）；赖斯准则（RICE）；广义交叉确认准则（GCV）等。下表是关于 各类不同标准的总结。这些统计量也被称为模型选择统计量。;Wald 检验、拉格朗日乘数检验和似然比检验基本思路： （1）沃尔德检验 对于回归模型的参数约束而言，可以是线性约束也可以是非线性约束。 设 H0 : c ?β? ? 0 ， H1 : c ?β? ? 0;的参数空间Θ0 与Θ 上的极大似然估计，似然函数在Θ0 与Θ 上的极大值分别记 为 L(θ?0) 与 L(θ?) ，即 L(θ?0) ? max L(θ) 和 L(θ?) ? max L(θ) ，记其比值为： θ?Θ0 θ?Θ;? ?;