第七章_模型变换的检验..docxVIP

0； 0； 0. 第七章模型变换的检验与诊断 (ya) (b y) § 7.1弓I言 y(,) (7.1.3) ln( 经济计量模型的构建， 是在不断的探索、修正与完善过程 中完成的。从一定先验信息出发，我们建立了初始的经验模型， 但这些模型往往并不能正确地反映经济运行的实际过程。 为了 一致地满足经济学家、统计学家和数学家的实际需要和客观要 求，我们要对所建经验模型作进一步的修正。 修正的方法很多， 其中，较为常用的是变换法， 即对模型重新进行参数化， 使模 型参数估计、统计推断和假设检验更适合它们所应满足的前提 条件，从而改进经验模型。 “Box-Cox幕变换簇”是一种典 型的模型变换范例，它通过引入一个新的参数入， 并由样本数 据集本身对变换参数入进行自适应估计， 从而能有效地改善经 验模型的拟合与预测。 1964 年，Box,G.E.P.和 Cox,D.R.提出的“ Box-Cox 幕变 换簇”具有如下形式： y), 此外，对于对称长尾分布数据来讲，Joh n,J.A.和 Draper,N.R.(1980) 建议使用如下模变换簇： y() sig n(y) (y 1) 1 sign(y)ln( y 1), 0; 0. (7.1.4) y 1 y() 0; (7.1.1) In (y), 0. 这里，假定y为正值无界变量。 对于取负值或有界的变量，可采用下述推广的 幂变换簇： Box—Cox (y ) 1 y(,) (7.1.2) ln(y ), 0. 此变换适合于变量 y可取负值的无界变量情形，并称 为漂 当y在［a , b］内取值时，可使用如下折叠的幕变换簇: 除了对响应变量可作上述变换外，还可对解释变量作以上变换。当然，还可对响应变量与解释变量同时作变换。 后者 称之为“双边 Box— Cox变换”。 不论采用何种变换，我们的出发点总是使变换后的模型 更能适合经济过程本身，以及更能适合作估计、推断、检验和 预测的前提。 显然，模型变换的关键是对变换参数入依据样本观测作 出恰如其分的估计。由于变换参数 的估计值？强烈地依赖 于样本数据，并且由样本数据自动调节， 因而这种变换的优点 在于：针对不同的经济过程采用不同的变换， 从而具有自适应 性(adptive)。但同时也存在着严重的、 有待深入研究的问题： 样本数据的质量和属性强烈地影响着变换参数 的估 计？。一般来说，不同样本点对 ？的影响程度千差万别，其 影响机理也不尽相同。 因此，如何有效地估计变换参数 ,以 及如何精细地刻画数据对 ？的影响，成为模型变换研究中两个 亟待解决的、富有实际意义的问题。 变换参数的估计通常采用两种方法： Atki nson估计法和 最大似然估计法。它们是在 1982年分别由Atkinson,A.C.和 Cook,R.D Weisberg,S.提出的。一般来说，同一个模型变换 2 2 Z(入)在初值0 (常取)处进行Taylor 一阶展开，从而化Z(0)( 0 Z(入)在初值0 (常取 )处进行Taylor 一阶展开，从而化 Z( 0)( 0) + e, e ~ N(0, 2In) (7.2.4) W( 0 )=(Wi( 0))称为构造变量(constructed ,W( )=dZ( )/d 。不难证明，由(7.2.4)给出的 的最小二乘估计为： WT( 0)QZ( 0) 0 WT( 0)QW( 0) 获得变换参数入的估计后, (7.2.5) 在实际建模时是否真正 H0: 0来确定。对应 Ta( 0) WT( 0)QZ( ?a(Wt( 0)QW( 0))1 0) 12 (7.2.6) ZT( 0)QZ( 0) (WT( 0)QZ( 0))2 WT( 0)QW( 0) (n p 2) (7.2.7 ) 可以证明：在e~ N(0, 由此不难对原假设H 0 : 问题可使用上述两种方法对变换参数进行估计， 所得结果基本 相同。但也有例外情况发生：使用 Atkinson方法和使用最大 似然法所得两个估计值差异很大。最著名的例证是美国 22种 喷气式战斗机机型数据，它出现于诊断理论的开创性经典著作 Cook,R.D ?Weisberg ,S.(1982) 中。在该例中，变换参数的 Atkinson 估计为？= - 0.54, 而相应的最大似然估计为 ？= -0.024。出现这种显著差异的根本原因在于数据集中包含有极 端异常值点。事实上，将 F-111A这种机型的数据删除后，在 Atk in son方法下接受了原假设 H):入=1,置信水平为a =0.05 , 而相应的最大似然估计 ？= 0.973，它十分接近1。因而，在 F-111A单点删除后两种方法所得结论相同，即不需要对响应 变量作变换。这从一个侧面反映了这样一个重要事实： 样本信 息差异