第三章受约束回归问题.ppt

第三章 受约束回归问题;受约束回归;一、模型参数的线性约束;如果对（2）式回归得出:;F检验; 受约束样本回归模型的残差平方和：RSSR; 这意味着，通常情况下，对模型施加约束条件会降低模型的解释能力。 （模型的拟合优度=回归平方和/总平方和) 但是，如果约束条件为真，则受约束回归模型与无约束回归模型具有相同或者近似的解释能力，RSSR 与 RSSU的差异变小。;可用二者的差:RSSR - RSSU的大小来检验约束的真实性;结论;模型参数约束回归案例; 零阶齐次性，当所有商品和消费者货币支出总额按同一比例变动时，需求量保持不变。 ; 根据恩格尔定律，居民对食品的消费支出与居民的总支出间呈幂函数的变化关系: ;考虑到零阶齐次性时;X：人均消费 X1：人均食品消费 GP：居民消费价格指数 FP：居民食品消费价格指数 XC：人均消费（90年价） Q：人均食品消费（90年价） P0：居民消费价格缩减指数（1990=100） P1：居民食品消费价格缩减指数（1990=100;中国城镇居民人均食品消费 ;;按零阶齐次性表达式回归:;与;零阶齐次性检验;取?=5%，查得临界值F0.05(1,10)=4.96 结论：不能拒绝中国城镇居民对食品的人均消费需求函数具有零阶齐次特性这一假设。; 例1.2 生产函数的一阶齐次性检验; 例1.2 Cobb-Douglas生产函数估计形式如下：; 从结果看LogL和logK的系数和小于1，但为确定这种差异是统计显著的，常进行有约束的Wald系数检验、F检验。选择View/Coefficient Tests/Wald-Coefficient Restrictions，在编辑对话框中输入约束条件。为检验 ? +? =1 的规模报酬不变的假设，输入下列约束： c(2) + c(3) = 1 EViews显示Wald检验如下结果（原假设：约束条件有效）： ;二、对回归模型增加或减少解释变量;相应的Ｆ统计量为：; 如果约束条件为真，即额外的变量Xk+1, …, Xk+q对Ｙ没有解释能力，则Ｆ统计量较小； 否则，约束条件为假，意味着额外的变量对Ｙ有较强的解释能力，则Ｆ统计量较大。 因此，可通过F统计量的计算值与临界值的比较，来判断额外变量是否应包括在模型中。; 检验若干线性约束条件是否成立的F 检验;;;;;三、参数的稳定性检验; 合并两??时间序列为( 1,2,…，n1 ，n1+1,…，n1+n2 )，则可写出如下无约束回归模型;因此，检验的F统计量为：;参数稳定性的检验步骤; 例1.3 中国城镇居民食品人均消费需求的邹检验。 ; 1. 参数稳定性检验;1981~2001: ; 结论：F值临界值，拒绝参数稳定的原假设，表明中国城镇居民食品人均消费需求在1994年前后发生了显著变化。 ;2、预测检验; 如果预测误差较大，则说明参数发生了变化，否则说明参数是稳定的。 ; 如果? =0，则 ? = ?，表明参数在估计期与预测期相同;如果参数没有发生变化，则?=0，矩阵式简化为;这里：KU - KR=n2； RSSU=RSS1; (1) 在两时间段的合成大样本下做OLS回归，得受约束模型的残差平方和RSSR ； (2) 对前一时间段的n1个子样做OLS回归，得残差平方和RSS1 ； (3) 计算检验的F统计量，做出判断： ;2、邹氏预测检验;参数稳定性检验——数据表;参数稳定性检验——全部样本估计;参数稳定性检验——选择Chow检验;参数稳定性检验——选择突变点;参数稳定性检验——检验; 例1.4: 中国1978年?2006年的数据建立的居民消费方程： const= 449.07+ 0.734*inct+ ?t (8.64) (126.1) R2 = 0.998 D.W.=0.53 其中: cons 是居民消费；inc 是可支配收入。方程中c0 = 449.07代表自发消费，表示收入等于零时的消费水平；而c1= 0.734代表了边际消费倾向，0c11，即收入每增加1元，消费将增加 c1 元。从系数中可以看出边际消费倾向是0.73。也即1978年~2006年中国居民可支配收入的73%用来消费。 ; 选择View/Stability Test /Chow Forecast Test进行Chow预测检验。对预测样本开始时期或观测值数