第三講基本回歸模型演示文稿

第三講基本回歸模型演示文稿1現(xiàn)在是1頁(yè)\一共有65頁(yè)\編輯于星期五（優(yōu)選）第三講基本回歸模型現(xiàn)在是2頁(yè)\一共有65頁(yè)\編輯于星期五3創(chuàng)建方程對(duì)象對(duì)話框如下圖：對(duì)話框分三部分：說(shuō)明方程，先列因變量再列自變量，或者直接輸入函數(shù)形式估計(jì)方法估計(jì)使用的樣本現(xiàn)在是3頁(yè)\一共有65頁(yè)\編輯于星期五4

有兩種說(shuō)明方程的基本方法：列表法：只能用于線性方程的說(shuō)明；公式法：可用于非線性模型或帶有參數(shù)約束模型的說(shuō)明。二、方程說(shuō)明現(xiàn)在是4頁(yè)\一共有65頁(yè)\編輯于星期五51、列表法在編輯框列出方程中要使用的變量列表。例如，利用文件“3-1”數(shù)據(jù)，建立線性消費(fèi)函數(shù)，用常數(shù)c和收入inc對(duì)消費(fèi)cs作回歸。在方程說(shuō)明對(duì)話框上部輸入：

cscinc其中c說(shuō)明在回歸中包括常數(shù)項(xiàng)，內(nèi)部序列c不出現(xiàn)在工作文檔中，除了說(shuō)明方程外不能使用它。在上例中，常數(shù)存儲(chǔ)于c(1)，inc的系數(shù)存儲(chǔ)于c(2)，即回歸方程形式為：

cs=c(1)+c(2)*inc。現(xiàn)在是5頁(yè)\一共有65頁(yè)\編輯于星期五6以下均為常見(jiàn)的說(shuō)明方程的方法：變量包括滯后序列：如“csccs(-1)inc”相當(dāng)于建立回歸方程：cs=c(1)+c(2)*cs(-1)+c(3)*inc。滯后項(xiàng)使用關(guān)鍵詞to：如：“csccs(-1to-4)inc”相當(dāng)于建立cs關(guān)于常數(shù)c、cs(-1)、cs(-2)、cs(-3)、cs(-4)和inc的回歸方程。在變量列表中包括自動(dòng)序列：如：“l(fā)og(cs)clog(cs(-1))log((inc+inc(-1))/2)”相當(dāng)于建立回歸方程：log(cs)=c(1)+c(2)*log(cs(-1))+c(3)*log((inc+inc(-1))/2)現(xiàn)在是6頁(yè)\一共有65頁(yè)\編輯于星期五72、公式法當(dāng)列表方法滿足不了要求時(shí)，可以用公式來(lái)說(shuō)明方程。許多估計(jì)方法允許使用公式來(lái)說(shuō)明方程。

EViews中的公式是一個(gè)包括回歸變量和系數(shù)的數(shù)學(xué)表達(dá)式。要用公式說(shuō)明一個(gè)方程，只需在對(duì)話框中變量列表處輸入表達(dá)式即可。EViews會(huì)在方程中添加一個(gè)隨機(jī)附加擾動(dòng)項(xiàng)并用最小二乘法估計(jì)模型中的參數(shù)。

現(xiàn)在是7頁(yè)\一共有65頁(yè)\編輯于星期五8用公式法說(shuō)明方程可以使用不同的系數(shù)向量。方法為：首先要?jiǎng)?chuàng)建一個(gè)新的系數(shù)向量：選擇Object/NewObject…從主菜單中選擇Matrix-Vector-Coef，為系數(shù)向量輸入名字，選擇OK，在NewMatrix對(duì)話框中，選擇CoefficientVector并說(shuō)明向量的行數(shù)，帶有系數(shù)向量圖標(biāo)的對(duì)象會(huì)列在工作文檔目錄中.再在方程說(shuō)明中使用這個(gè)系數(shù)向量。例如，假設(shè)創(chuàng)造了系數(shù)向量a和b，各有一行。則可以用新的系數(shù)向量代替c：log(cs)=a(1)+b(1)*log(cs(-1))現(xiàn)在是8頁(yè)\一共有65頁(yè)\編輯于星期五9三、方程的估計(jì)方法

在創(chuàng)建方程對(duì)象對(duì)話框的Method框下拉框中，會(huì)看到估計(jì)方法列表：

標(biāo)準(zhǔn)的單方程回歸用最小二乘估計(jì)（LS)。其他還有TSLS（兩階段最小二乘法）、GMM（廣義矩估計(jì)法），和ARCH（自回歸條件異方差）等方法?，F(xiàn)在是9頁(yè)\一共有65頁(yè)\編輯于星期五10在方程說(shuō)明對(duì)話框中單擊OK后，顯示估計(jì)結(jié)果如下圖：第二節(jié)方程的結(jié)果輸出具體包括以下指標(biāo)：現(xiàn)在是10頁(yè)\一共有65頁(yè)\編輯于星期五111、回歸系數(shù)(Coefficient)

如果使用列表法說(shuō)明方程，系數(shù)會(huì)列在變量欄中相應(yīng)的自變量名下；如果是使用公式法來(lái)說(shuō)明方程，EViews會(huì)列出實(shí)際系數(shù)c(1),c(2),c(3)等等。對(duì)于所考慮的簡(jiǎn)單線性模型，系數(shù)是在其他變量保持不變的情況下自變量對(duì)因變量的邊際收益。系數(shù)c是回歸中的常數(shù)或者截距---它是當(dāng)其他所有自變量都為零時(shí)預(yù)測(cè)的基本水平。其他系數(shù)可以理解為假設(shè)所有其它變量都不變，相應(yīng)的自變量和因變量之間的斜率關(guān)系?，F(xiàn)在是11頁(yè)\一共有65頁(yè)\編輯于星期五12

例如，利用文件“3-1”數(shù)據(jù)，建立線性消費(fèi)函數(shù)cst=c0+c1inct+ut（cs是城鎮(zhèn)居民消費(fèi)；inc是可支配收入）。方程中c0代表自發(fā)消費(fèi)，表示收入等于零時(shí)的消費(fèi)水平；而c1代表了邊際消費(fèi)傾向，0<c1<1，即收入每增加1元，消費(fèi)將增加c1元。從分析結(jié)果可以看出邊際消費(fèi)傾向是0.514。也即1978年-2002年中國(guó)城鎮(zhèn)居民可支配收入的51.4%用來(lái)消費(fèi)?，F(xiàn)在是12頁(yè)\一共有65頁(yè)\編輯于星期五132.標(biāo)準(zhǔn)差(Std.Error)

標(biāo)準(zhǔn)差項(xiàng)報(bào)告了系數(shù)估計(jì)的標(biāo)準(zhǔn)差。標(biāo)準(zhǔn)差衡量了系數(shù)估計(jì)的統(tǒng)計(jì)可信性----標(biāo)準(zhǔn)差越大，估計(jì)中的統(tǒng)計(jì)干擾越大。

3.t-統(tǒng)計(jì)量

t統(tǒng)計(jì)量是由系數(shù)估計(jì)值和標(biāo)準(zhǔn)差之間的比率來(lái)計(jì)算的，它是用來(lái)檢驗(yàn)系數(shù)為零的假設(shè)的?，F(xiàn)在是13頁(yè)\一共有65頁(yè)\編輯于星期五144.概率（P值）

這個(gè)概率稱(chēng)為邊際顯著性水平或P值。如果顯著水平為5%，P值小于0.05就拒絕系數(shù)為零的原假設(shè)。對(duì)于上例結(jié)果，系數(shù)inc的零假設(shè)在1%的顯著水平下被拒絕?，F(xiàn)在是14頁(yè)\一共有65頁(yè)\編輯于星期五155、R2與調(diào)整R2

R2是衡量因變量方差能被自變量解釋程度的指標(biāo)。如果回歸完全符合，統(tǒng)計(jì)值會(huì)等于1。R2的公式為：其中，是殘差，是因變量的均值。

調(diào)整R2計(jì)算公式為：

現(xiàn)在是15頁(yè)\一共有65頁(yè)\編輯于星期五166.回歸標(biāo)準(zhǔn)差

(S.E.ofregression)7.殘差平方和(Sumsquaredresid)8.對(duì)數(shù)似然函數(shù)值：其數(shù)值越大，意味著模型精確

9.Meandependentvar：因變量均值

現(xiàn)在是16頁(yè)\一共有65頁(yè)\編輯于星期五1710.因變量標(biāo)準(zhǔn)差（S.D）

11.AIC準(zhǔn)則(赤池信息準(zhǔn)則AkaikeInformationCriterion)

其中：l

是對(duì)數(shù)似然值A(chǔ)IC值越小越好

。12.Schwarz準(zhǔn)則（施瓦茨準(zhǔn)則）：越小越好

現(xiàn)在是17頁(yè)\一共有65頁(yè)\編輯于星期五1813.Hannan-QuinnCriterion(HQC)

一種模型選擇標(biāo)準(zhǔn)，相對(duì)于貝葉斯信息標(biāo)準(zhǔn)（Bayesianinformationcriterion=BIC）標(biāo)準(zhǔn)的另外一種標(biāo)準(zhǔn)。

14.Durbin-Watson

統(tǒng)計(jì)量現(xiàn)在是18頁(yè)\一共有65頁(yè)\編輯于星期五19第三節(jié)方程操作

一、方程視圖Representation：以三種形式顯示方程：EViews命令形式、帶系數(shù)符號(hào)的方程和有系數(shù)估計(jì)值的方程?，F(xiàn)在是19頁(yè)\一共有65頁(yè)\編輯于星期五20EstimationOutput顯示方程結(jié)果。Actual,Fitted,ResidualTable以表的形式顯示因變量的實(shí)際值和擬合值及殘差。Actual,Fitted,ResidualGraph以圖的形式來(lái)顯示這些值?，F(xiàn)在是20頁(yè)\一共有65頁(yè)\編輯于星期五21ARMA

Structure用于對(duì)ARMA模型的進(jìn)行結(jié)構(gòu)分析GradientsandDerivatives...描述目標(biāo)函數(shù)的梯度和回歸函數(shù)的導(dǎo)數(shù)計(jì)算的信息。CovarianceMatrix以表的形式顯示系數(shù)估計(jì)值的協(xié)方差矩陣。CoefficientDiagnostics,ResidualDiagnostics,andStabilityDiagnostics

，在后面的“方程的診斷檢驗(yàn)”中再作說(shuō)明。現(xiàn)在是21頁(yè)\一共有65頁(yè)\編輯于星期五22二、方程過(guò)程

Specify/Estimate...編輯方程說(shuō)明、改變估計(jì)方法、估計(jì)樣本。Forecast...用估計(jì)方程的預(yù)測(cè)。MadeResidualSeries...以序列形式保存回歸中的殘差。MakeRegressorGroup創(chuàng)建包含方程中使用的所有變量的未命名組（常數(shù)除外）。MadeGradientGroup創(chuàng)建包含目標(biāo)函數(shù)關(guān)于模型的系數(shù)的斜率的組。MakeDerivativeGroup創(chuàng)建包含回歸函數(shù)關(guān)于其系數(shù)的導(dǎo)數(shù)的組。MakeModle創(chuàng)建一個(gè)與被估計(jì)方程有關(guān)的未命名模型。UpdateCoefsfromEquation把方程系數(shù)的估計(jì)值放在系數(shù)向量中。現(xiàn)在是22頁(yè)\一共有65頁(yè)\編輯于星期五23非線性回歸方程：下面模型都是參數(shù)線性模型，但是變量卻不一定是線性的：（1）雙對(duì)數(shù)線性模型（不變彈性模型）（2）半對(duì)數(shù)模型（3）雙曲函數(shù)模型。。。含虛擬變量的方程第四節(jié)線性回歸方程的衍生方程

現(xiàn)在是23頁(yè)\一共有65頁(yè)\編輯于星期五24一、雙對(duì)數(shù)線性方程

雙對(duì)數(shù)線性模型估計(jì)得到的參數(shù)本身就是該變量的彈性。例如，利用“3-1”數(shù)據(jù)建立我國(guó)居民消費(fèi)的收入彈性方程：

log(cst)=

0.18+0.917log(inct)t=(1.01)(45.72)

R2=0.989D.W.=0.447其中cst是城鎮(zhèn)居民消費(fèi)，inct是居民消費(fèi)可支配收入。

現(xiàn)在是24頁(yè)\一共有65頁(yè)\編輯于星期五25

方程中消費(fèi)的收入彈性為0.917，說(shuō)明我國(guó)城鎮(zhèn)居民收入每增加1%，將使得城鎮(zhèn)居民消費(fèi)增加0.917%。現(xiàn)在是25頁(yè)\一共有65頁(yè)\編輯于星期五26二、半對(duì)數(shù)模型

線性模型與對(duì)數(shù)線性模型的混合就是半對(duì)數(shù)模型或?qū)?shù)方程又稱(chēng)增長(zhǎng)模型，通常我們用這類(lèi)估計(jì)許多變量的增長(zhǎng)率。如果x取“時(shí)間”t，即按時(shí)間順序依次取值為1，2，…，T，變量t的系數(shù)1度量了ln(y)隨時(shí)間向前推進(jìn)產(chǎn)生的變化。如果1為正，則有隨時(shí)間向上增長(zhǎng)的趨勢(shì)；如果1為負(fù)，則有隨時(shí)間向下的趨勢(shì)，因此t可稱(chēng)為趨勢(shì)變量，而且

是y的平均增長(zhǎng)率。宏觀經(jīng)濟(jì)模型表達(dá)式中常有時(shí)間趨勢(shì)，在研究經(jīng)濟(jì)長(zhǎng)期增長(zhǎng)或確定性趨勢(shì)成分時(shí)，常常將產(chǎn)出取對(duì)數(shù)，然后用時(shí)間t作解釋變量建立回歸方程。現(xiàn)在是26頁(yè)\一共有65頁(yè)\編輯于星期五27

例如，根據(jù)文件“3.4”提供的數(shù)據(jù)，建立半對(duì)數(shù)線性方程，估計(jì)我國(guó)實(shí)際GDP（支出法，樣本區(qū)間：1978～2002年）的長(zhǎng)期平均增長(zhǎng)率。模型形式為其中：GDPPt表示剔出價(jià)格因素的實(shí)際GDPt

。方程中時(shí)間趨勢(shì)變量的系數(shù)估計(jì)值是0.0815，說(shuō)明我國(guó)實(shí)際GDP（支出法）年平均增長(zhǎng)率為8.15%。F值或R2表明模型擬合效果很好，D.W.顯示模型存在（正的）自相關(guān)?，F(xiàn)在是27頁(yè)\一共有65頁(yè)\編輯于星期五28三、雙曲函數(shù)模型形如下式的模型稱(chēng)為雙曲函數(shù)模型

這是一個(gè)變量之間是非線性的模型，因?yàn)閄t

是以倒數(shù)的形式進(jìn)入模型的，但這個(gè)模型卻是參數(shù)線性模型，因?yàn)槟Ｐ椭袇?shù)之間是線性的。這個(gè)模型的顯著特征是隨著Xt的無(wú)限增大，（1/Xt

）接近于零。

現(xiàn)在是28頁(yè)\一共有65頁(yè)\編輯于星期五29利用美國(guó)1955～1984年的數(shù)據(jù)（見(jiàn)文件“3-5”），根據(jù)菲利普斯曲線，即通貨膨脹率t

和失業(yè)率Ut的反向關(guān)系，建立雙曲函數(shù)：

估計(jì)結(jié)果表明，菲利普斯曲線所描述的t

和Ut的反向關(guān)系并不存在。之所以出現(xiàn)這樣的背離，主要是因?yàn)?0世紀(jì)70年代出現(xiàn)石油危機(jī)，從而引發(fā)了“滯脹”，通貨膨脹伴隨著高失業(yè)率。如果考慮到通貨膨脹預(yù)期的影響，則可以在模型中引入代表通貨膨脹預(yù)期的變量，比如用通貨膨脹前期值來(lái)代表?，F(xiàn)在是29頁(yè)\一共有65頁(yè)\編輯于星期五30含有通貨膨脹預(yù)期的菲利普斯曲線估計(jì)結(jié)果為

可以看出，加入通貨膨脹預(yù)期因素后，模型的擬合效果很好，而且這時(shí)的模型體現(xiàn)出了失業(yè)率和通貨膨脹率之間的顯著的反向變動(dòng)關(guān)系。

現(xiàn)在是30頁(yè)\一共有65頁(yè)\編輯于星期五31四、含虛擬變量的回歸方程例如，在文件“3-6”中，用截面數(shù)據(jù)研究男女工資有沒(méi)有差別，以了解工作婦女是否受到了歧視。用到的變量有：

W—雇員的工資（美元/小時(shí)）

1；若雇員為婦女

SEX=0；其他

ED—受教育的年數(shù)

AGE—雇員的年齡

1；若雇員不是西班牙裔也不是白人

NONWH=0；其他

1；若雇員是西班牙裔

HISP=0；其他現(xiàn)在是31頁(yè)\一共有65頁(yè)\編輯于星期五32

對(duì)206名雇員的樣本所進(jìn)行的研究得到的回歸結(jié)果為（括號(hào)內(nèi)是t統(tǒng)計(jì)量的值）：（22.10）（-3.86）

R2=0.068D.W.=1.79

反映雇員性別的虛擬變量SEX在顯著性水平5%下顯著。婦女工資比男性平均低2.72美元?，F(xiàn)在是32頁(yè)\一共有65頁(yè)\編輯于星期五33

在回歸模型中加入年齡AGE和受教育年數(shù)ED以及種族或民族，性別虛擬變量仍然是顯著的：（-3.38)(-4.61)(8.54)(4.63)(-1.07)(0.22)R2=0.367D.W.=1.78現(xiàn)在是33頁(yè)\一共有65頁(yè)\編輯于星期五34

例，文件“3.7”數(shù)據(jù)含季節(jié)虛擬變量。當(dāng)使用含有季節(jié)因素的經(jīng)濟(jì)數(shù)據(jù)進(jìn)行回歸分析時(shí)，可以對(duì)數(shù)據(jù)進(jìn)行季節(jié)調(diào)整消除原數(shù)據(jù)帶有的季節(jié)性影響，也可以使用虛擬變量描述季節(jié)因素，進(jìn)而可以同時(shí)計(jì)算出各個(gè)不同季度對(duì)經(jīng)濟(jì)變量的不同影響。如果用虛擬變量，這時(shí)包含了4個(gè)季度的4種分類(lèi)，需要建立3個(gè)虛擬變量。用Qi表示第i個(gè)季度取值為1，其他季度取值為0的季節(jié)虛擬變量，顯然Q1+Q2+Q3+Q4=1，如果模型中包含常數(shù)項(xiàng)，則只能加入Q1，Q2，Q3

，否則模型將因?yàn)榻忉屪兞康木€性相關(guān)而無(wú)法估計(jì)，即導(dǎo)致虛擬變量陷阱問(wèn)題。當(dāng)使用月度數(shù)據(jù)時(shí)，方法與上述類(lèi)似，但需要有11個(gè)虛擬變量。

現(xiàn)在是34頁(yè)\一共有65頁(yè)\編輯于星期五35圖社會(huì)消費(fèi)品零售總額RS圖GDP

通過(guò)下圖中，可以看出1995年1季度～2003年1季度的季度GDP和社會(huì)消費(fèi)品零售額RS存在明顯的季節(jié)因素，GDP通常逐季增加，也有一些年份中第二季度高于第三季度。RS在第一季度增加，第二季度減小，第三季度略有上升，第四季度達(dá)到高峰?，F(xiàn)在是35頁(yè)\一共有65頁(yè)\編輯于星期五36

下面利用季度數(shù)據(jù)對(duì)我國(guó)的國(guó)民生產(chǎn)總值GDP和社會(huì)消費(fèi)品零售額RS進(jìn)行回歸分析，分別考慮不包含和包含虛擬變量的情形。不包含虛擬變量的回歸結(jié)果為：

t=(1.44)(9.11)R2=0.73D.W.=1.64

使用季度虛擬變量的回歸方程結(jié)果為：

t=(-6.31)(12.06)(5.36)(4.97)(24.49)R2=0.96D.W.=1.83現(xiàn)在是36頁(yè)\一共有65頁(yè)\編輯于星期五37

可以看出包含虛擬變量的方程明顯地改進(jìn)了擬合能力。圖RS的實(shí)際曲線（實(shí)線）和擬合曲線（虛線）現(xiàn)在是37頁(yè)\一共有65頁(yè)\編輯于星期五38

方程對(duì)象菜單的View中給出三種檢驗(yàn)類(lèi)型選擇來(lái)檢驗(yàn)方程。包括系數(shù)檢驗(yàn)、殘差檢驗(yàn)和穩(wěn)定性檢驗(yàn)：第五節(jié)方程的診斷檢驗(yàn)現(xiàn)在是38頁(yè)\一共有65頁(yè)\編輯于星期五39一、系數(shù)檢驗(yàn)

系數(shù)檢驗(yàn)包括對(duì)估計(jì)系數(shù)約束條件檢驗(yàn)、遺漏變量和冗余變量的檢驗(yàn)。

1、Wald檢驗(yàn)——系數(shù)約束條件檢驗(yàn)

現(xiàn)在是39頁(yè)\一共有65頁(yè)\編輯于星期五40

以生產(chǎn)函數(shù)為例說(shuō)明，生產(chǎn)函數(shù)數(shù)學(xué)表達(dá)式為：

其中參數(shù),分別是資本和勞動(dòng)的產(chǎn)出彈性。在最初提出的C-D生產(chǎn)函數(shù)中，假定參數(shù)滿足+=1

，也就是假定研究對(duì)象滿足規(guī)模報(bào)酬不變。后來(lái)提出的C-D生產(chǎn)函數(shù)的改進(jìn)型，取消了+=1

的假定，允許要素的產(chǎn)出彈性之和大于1或小于1，即承認(rèn)研究對(duì)象可以是規(guī)模報(bào)酬遞增的，也可以是規(guī)模報(bào)酬遞減的，取決于參數(shù)的估計(jì)結(jié)果。現(xiàn)在是40頁(yè)\一共有65頁(yè)\編輯于星期五41

為了檢驗(yàn)是否滿足規(guī)模報(bào)酬不變的假設(shè)，現(xiàn)利用文件“3.8”中的美國(guó)主要金屬工業(yè)企業(yè)的數(shù)據(jù)估計(jì)Cobb-Douglas生產(chǎn)函數(shù)：命令語(yǔ)句：LSlog(q)clog(l)log(k)生產(chǎn)函數(shù)估計(jì)結(jié)果如下：現(xiàn)在是41頁(yè)\一共有65頁(yè)\編輯于星期五42為檢驗(yàn)

+=1的規(guī)模報(bào)酬不變的假設(shè)，選擇View/CoefficientDiagnostics/Wald-CoefficientRestrictions，在編輯對(duì)話框中輸入約束條件。約束條件應(yīng)表示為含有估計(jì)參數(shù)和常數(shù)（不可以含有序列名）的方程，系數(shù)應(yīng)表示為c(1)，c(2)等等，除非在估計(jì)中已使用過(guò)一個(gè)不同的系數(shù)向量。在對(duì)話框中輸入下列約束：

c(2)+c(3)=1單擊OK，Wald檢驗(yàn)如下結(jié)果（原假設(shè)：約束條件成立）：

現(xiàn)在是42頁(yè)\一共有65頁(yè)\編輯于星期五43輸出t統(tǒng)計(jì)量、F統(tǒng)計(jì)量和

2統(tǒng)計(jì)量及相應(yīng)的P值。2統(tǒng)計(jì)量等于F統(tǒng)計(jì)量乘以檢驗(yàn)約束條件數(shù)。本例僅有一個(gè)約束條件，所以這兩個(gè)檢驗(yàn)統(tǒng)計(jì)量相等。P值結(jié)果表明應(yīng)該接受規(guī)模報(bào)酬不變的原假設(shè)?，F(xiàn)在是43頁(yè)\一共有65頁(yè)\編輯于星期五44多個(gè)約束條件的檢驗(yàn)：例如，前面的C-D生產(chǎn)函數(shù)為非線性形式，估計(jì)一個(gè)如下形式的生產(chǎn)函數(shù):

命令：lslog(q)clog(l)log(k)log(l)^2/2log(k)^2/2log(l)*log(k)現(xiàn)在是44頁(yè)\一共有65頁(yè)\編輯于星期五45非線性模型的估計(jì)結(jié)果如下：

log(q)clog(l)log(k)log(l)^2/2log(k)^2/2log(l)*log(k)

檢驗(yàn)約束條件：現(xiàn)在是45頁(yè)\一共有65頁(yè)\編輯于星期五46在方程對(duì)話框中選擇View/CoefficientDiagnostics/WaldCoefficientRestrictions。在Wald檢驗(yàn)對(duì)話框中輸入如下約束條件：c(4)=0,c(5)=0,c(6)=0（檢驗(yàn)多個(gè)約束條件，應(yīng)用逗號(hào)隔開(kāi)約束條件）。結(jié)果如下：檢驗(yàn)結(jié)果是不能拒絕原假設(shè)，表明(1)式的Cobb-Douglas生產(chǎn)函數(shù)是這一問(wèn)題較適當(dāng)?shù)姆匠潭x形式?，F(xiàn)在是46頁(yè)\一共有65頁(yè)\編輯于星期五472、遺漏變量(OmittedVariables)檢驗(yàn)

能檢驗(yàn)添加的變量對(duì)解釋因變量變動(dòng)是否有顯著作用。原假設(shè)H0：添加變量不顯著。

檢驗(yàn)輸出是F統(tǒng)計(jì)量和似然比（LR）統(tǒng)計(jì)量及各自P值，以及在備選假設(shè)下無(wú)約束模型估計(jì)結(jié)果。F統(tǒng)計(jì)量基于約束和無(wú)約束回歸殘差平方和之差。LR統(tǒng)計(jì)量由下式計(jì)算：

Lr和Lu是約束和無(wú)約束約束回歸對(duì)數(shù)似然函數(shù)的最大值。在H0下，LR統(tǒng)計(jì)量服從漸近2分布，自由度等于約束條件數(shù)，即加入變量數(shù)。現(xiàn)在是47頁(yè)\一共有65頁(yè)\編輯于星期五48

注意：

(1)遺漏變量檢驗(yàn)要求在原始方程中和檢驗(yàn)方程中觀測(cè)值數(shù)相等。如果要加入變量的任一序列與原方程樣本相比，含有缺失觀測(cè)值（當(dāng)加入滯后變量時(shí)這種情況常見(jiàn)），檢驗(yàn)統(tǒng)計(jì)量將無(wú)法建立。

(2)遺漏變量檢驗(yàn)可應(yīng)用于線性LS、TSLS、ARCH、Binary、Ordered、Censored、Count模型估計(jì)方程。檢驗(yàn)只有通過(guò)列表法列出回歸因子，而不能通過(guò)公式定義方程。遺漏變量檢驗(yàn)方法：選擇View/CoefficientTests/OmittedVariables—LikelihoodRation，在打開(kāi)的對(duì)話框中，列出檢驗(yàn)統(tǒng)計(jì)量名，用至少一個(gè)空格相互隔開(kāi)。現(xiàn)在是48頁(yè)\一共有65頁(yè)\編輯于星期五49

例如，原始回歸為“l(fā)og(q)clog(L)log(k)”，在變量框輸入“KL”，EViews將顯示含有這兩個(gè)附加解釋變量的無(wú)約束回歸結(jié)果，而且顯示原假設(shè)：新添變量系數(shù)為0

的檢驗(yàn)統(tǒng)計(jì)量。輸出的結(jié)果如下：

對(duì)數(shù)似數(shù)比統(tǒng)計(jì)量就是LR檢驗(yàn)統(tǒng)計(jì)量，且漸進(jìn)服從于2分布，自由度等于添加回歸因子數(shù)。本例中，檢驗(yàn)結(jié)果不能拒絕原假設(shè)，即添加變量不顯著?，F(xiàn)在是49頁(yè)\一共有65頁(yè)\編輯于星期五503、冗余(RedundantVariables)變量

冗余變量檢驗(yàn)可以檢驗(yàn)方程中一部分變量的統(tǒng)計(jì)顯著性，從而確定方程中一部分變量系數(shù)是否為0，從而可以從方程中剔出去。原假設(shè)：被檢驗(yàn)變量系數(shù)為0。

冗余變量檢驗(yàn)可以應(yīng)用于線性LS、TSLS、ARCH（僅均值方程）、Binary、Ordered、Censored、Count估計(jì)，檢驗(yàn)只有用列表法列出回歸因子形式，而不是公式定義方程情況下才可以進(jìn)行。

冗余變量檢驗(yàn)方法：選擇View/CoefficientTests/RedundantVariable—likelihoodRatio，在對(duì)話框中，輸入檢驗(yàn)的變量名，相互間至少用一空格隔開(kāi)?，F(xiàn)在是50頁(yè)\一共有65頁(yè)\編輯于星期五51例如：原始回歸為

lslog(Q)clog(L)log(K)KL

如果輸入增加的變量K和L，EViews顯示去掉這兩個(gè)回歸因子的約束回歸結(jié)果，以及檢驗(yàn)原假設(shè)：被檢驗(yàn)變量系數(shù)為0

的統(tǒng)計(jì)量。結(jié)果如下：

檢驗(yàn)統(tǒng)計(jì)量是F統(tǒng)計(jì)量和對(duì)數(shù)似然比。如果誤差是獨(dú)立正態(tài)分布隨機(jī)變量，F(xiàn)統(tǒng)計(jì)量有確定有限樣本F分布，分子自由度為原假設(shè)下系數(shù)約束條件數(shù)，分母自由度為總回歸自由度。LR檢驗(yàn)是漸近檢驗(yàn)，服從2分布。

現(xiàn)在是51頁(yè)\一共有65頁(yè)\編輯于星期五52二、殘差檢驗(yàn)

EViews提供了對(duì)估計(jì)方程殘差的序列相關(guān)、正態(tài)性、異方差性和自回歸條件異方差性檢驗(yàn)。現(xiàn)在是52頁(yè)\一共有65頁(yè)\編輯于星期五53(1)相關(guān)圖和Q統(tǒng)計(jì)量

(2)平方殘差相關(guān)圖

(3)殘差直方圖和正態(tài)檢驗(yàn)：顯示殘差直方圖和殘差的描述統(tǒng)計(jì)量，包括檢驗(yàn)殘差正態(tài)性的Jarque-Bera統(tǒng)計(jì)量。如果殘差服從正態(tài)分布，直方圖應(yīng)呈鐘型，J-B統(tǒng)計(jì)量應(yīng)不顯著。選擇View/ResidualTests/HistogramNormality顯示直方圖和J-B統(tǒng)計(jì)量。在原假設(shè):殘差正態(tài)分布下，J-B統(tǒng)計(jì)量應(yīng)服從2分布，自由度為2。

(4)序列相關(guān)LM檢驗(yàn)

(5)White異方差性檢驗(yàn)現(xiàn)在是53頁(yè)\一共有65頁(yè)\編輯于星期五54三、穩(wěn)定性檢驗(yàn)

EViews提供了一些檢驗(yàn)統(tǒng)計(jì)量選項(xiàng)，檢查模型參數(shù)在不同的樣本子區(qū)間是否平穩(wěn)?，F(xiàn)在是54頁(yè)\一共有65頁(yè)\編輯于星期五551.Chow分割點(diǎn)檢驗(yàn)

Chow分割點(diǎn)檢驗(yàn)是把數(shù)據(jù)分為兩個(gè)或多個(gè)子樣本區(qū)間，對(duì)每一個(gè)子樣本區(qū)間估計(jì)方程，看估計(jì)方程是否存在顯著差異，例如檢查石油危機(jī)前后的能源需求函數(shù)是否一樣。若存在顯著差異，說(shuō)明存在結(jié)構(gòu)變化。檢驗(yàn)的原假設(shè):不存在結(jié)構(gòu)變化。

Chow分割點(diǎn)檢驗(yàn)是通過(guò)，將整個(gè)樣本回歸方程的殘差平方和與子區(qū)間樣本回歸方程的殘差平方和進(jìn)行差異對(duì)比來(lái)檢驗(yàn)是否存在結(jié)構(gòu)變化。檢驗(yàn)統(tǒng)計(jì)量——F統(tǒng)計(jì)量和對(duì)數(shù)似然比（LR）統(tǒng)計(jì)量，F(xiàn)統(tǒng)計(jì)量基于對(duì)約束和非約束殘差平方和的比較。在最簡(jiǎn)單情況下（一個(gè)分割點(diǎn)），計(jì)算如下：

現(xiàn)在是55頁(yè)\一共有65頁(yè)\編輯于星期五56其中:是整個(gè)樣本期間估計(jì)的殘差平方和；是第i個(gè)子區(qū)間的殘差平方和；T是觀測(cè)值數(shù)；k是方程參數(shù)個(gè)數(shù)，這一公式可以擴(kuò)展為多于一個(gè)分割點(diǎn)?，F(xiàn)在是56頁(yè)\一共有65頁(yè)\編輯于星期五57

Chow分割點(diǎn)檢驗(yàn)的缺陷：每一個(gè)子區(qū)間要求至少和被估計(jì)參數(shù)一樣多的樣本數(shù)，那么這里就存在一個(gè)問(wèn)題，比如說(shuō)，要檢驗(yàn)戰(zhàn)爭(zhēng)和和平時(shí)期的結(jié)構(gòu)變化，但是戰(zhàn)爭(zhēng)時(shí)期的樣本數(shù)較少。后面的Chow預(yù)測(cè)檢驗(yàn)可以解決這個(gè)問(wèn)題。

現(xiàn)在是57頁(yè)\一共有65頁(yè)\編輯于星期五58Chow分割點(diǎn)檢驗(yàn)方法：選擇View/StabilityTests/ChowBreakpointTest…出現(xiàn)對(duì)話框以后，填入間斷點(diǎn)的日期。例如利用文件“3-1”數(shù)據(jù)判斷所建立的消費(fèi)函數(shù)的穩(wěn)定性。若填入間斷點(diǎn)的日期1994，則被定義成兩個(gè)子區(qū)間：一個(gè)是1978到1993，另一個(gè)是1994到2002。結(jié)果如下：

該結(jié)果表明拒絕原假設(shè)：存在結(jié)構(gòu)變化。

現(xiàn)在是58頁(yè)\一共有65頁(yè)\編輯于星期五59