第四章模型診斷 鄒突變點檢驗 檢驗是否存在突變點 鄒模型穩定性檢驗 檢驗模型是否可以進行預測 似然比檢驗 檢驗模型是否存在缺失變量或存在冗余變量 Wald檢驗 檢驗模型的約束條件是否有效 兩個鄒檢驗用來檢查不同時期或不同截面數據子樣本相互關系的穩定性 該檢驗中最重要的步驟是將數據集合T分為T1和T2兩個部分 T1用于估計 剩下的T2用于檢驗 若利用所有可得到的樣本觀測值對方程進行估計 則可以尋找到最適合給定數據集合的方程 但是這樣就無法檢驗該模型的預測能力 也不能檢驗參數是否穩定 變量間的關系是否穩健 在時間序列樣本中 通常利用T1時期的觀測值進行了估計 余下的T2時期的觀測值進行檢驗 對于截面數據 可以先根據關鍵變量 例如家庭收入或公司銷售額的大小 對數據進行了排序 然后再將數據集合分成兩個部分 這里沒有硬性的 快速的方法來確定T1 T2的相對大小 某些情況下 會出現一些明顯的已經發生結構變化的點 如一條法規的出現 固定匯率向浮動匯率的轉變或者是石油價格的沖擊等 則選擇該點來分割T 在沒有什么特殊原因來觀測結構變化時 粗略的經驗是用85 90 的觀測值來進行估計 余下的用于檢驗 鄒突變點檢驗 鄒突變點檢驗由鄒至莊1960年提出 用于檢驗模型參數在樣本范圍內某一點是否發生變化 注意 每個子集中的觀測值數目必須超過待估方程中系數的個數 分割的目的是為了檢驗系數向量在不同的子集中是否可以視為常數 H0 不存在突變點 檢驗時 考察的方程應分別擬合于每個子樣本 加總每個子樣本的殘差平方和從而得到無約束的殘差平方和 然后再用方程擬合于所有樣本觀測值 得到有約束的殘差平方和 F統計量是有約束和無約束的殘差平方和之比 而LR統計量是通過有約束和無約束條件下的方程的極大似然值計算得到 輸出結果再次顯示F統計量 LR統計量和相應的概率值 注意 該檢驗適合于由最小二乘法和兩階段最小二乘法做的回歸 做鄒突變檢驗時 選擇Equation工具中的View stabilitytests chowBreakpointtest功能 在對話框中 輸入突變的日期 相對于時間序列樣本 或觀測數目 相對于截面樣本 例如 若方程由1950 1994年數據估計得到 在對話框中 鍵入1960 則設定了兩個子樣本 一個從1950 1959 另一個從1960 1994 例4 1 1985 2002年中國家用汽車擁有量 y 與城鎮居民家庭人均可支配收入 x 數據見case6 畫散點圖后發現1996年應該是一個突變點 當城鎮居民家庭人均可收入突破4838 9元之后 城鎮居民家庭購買家用汽車的能力大大提高 現在用鄒突變點檢驗法檢驗1996年是不是一個突變點 鄒模型穩定性檢驗 在鄒預測檢驗中 利用T1時期的觀測值估計方程并預測余下T2時期的因變量的值 這樣 會存在一個預測值和真實值之間差異的向量 若差異較小 則對估計方程毋庸置疑 若差異較大 則方程參數的穩定性值得懷疑 H0 模型是穩定的 注意 Chow預測檢驗適用于由最小二乘法和兩階段最小二乘法估計的回歸方程 做Chow預測檢驗時 選擇Equation工具欄中的View StabilityTests ChowForecastTest功能 在對話框中 設定預測開始的日期 且該日期必須在現有的樣本觀測值之內 仍以表case6為例用1985 1999年數據建立的模型基礎上 檢驗當把2000 2002年數據加入樣本后 模型的回歸參數是否出現顯著性變化 因為已經知道1996年為結構突變點 所以設定虛擬變量 以區別兩個不同時期 用1985 2002年數據按以下命令回歸 ycxd1x d1 Wald檢驗 Wald檢驗處理有關解釋變量系數約束的假設 例如 假設一個Cobb Douglas生產函數已經估計為以下形式 其中Q K和已分別代表產出 資本與勞動的投入量 規摸報酬不變的假設由以下約束檢驗表示 Wald檢驗原假設的參數限制以及檢驗方程可以是線性的 也可以是非線性的 并且可以同時檢驗一個或多個約束 Wald檢驗的輸出結果依賴于約束的線性性 在線性約束下 輸出結果是F統計量 x2統計量和相應的p值 如果約束是有效的 那么F統計量應該很小 p值很大 并且約束不會被拒絕 在大多數應用中 p值和相應的F統計量應該被認為是近似值 也就是說只有當F值遠大于臨界值時結論才是可靠的 如果是非線性約束 則不論方程形式如何 檢驗結果只能是卡方統計量的近似結果和相應的近似既率 事實上 Wald檢驗對二階段最小二乘法 非線性最小二乘法等建立的模型均有效 只是檢驗統計量有所不同EViews中 方程結果輸出窗口點擊View按鈕 然后在下拉菜單中選擇CoefficientTests Wald CoefficientRestrictions 例4 2 糧食產量 Y 通常由糧食生產勞動力 L 化肥施用量 K 等因素決定 利用線性化方法估計Cobb Douglas生產函數模型并檢驗參數是否滿足約束條件 case4 遺漏變量檢驗 testadd檢驗 遺漏 Omitted 變量檢驗用以查看對現有模型添加某些變量后 新變量是否對因變量的解釋有顯著貢獻 檢驗的原假設是新變量都是不顯著的 檢驗統計量 注意 計算時都要求原模型與檢驗模型的觀測量相同 即新變量不能在原來的樣本期內含有缺失值 因此 像加入滯后變量等情況 檢驗是失效的 EViews中 方程結果輸出窗口中選擇View CoefficientTests OmittedVariables LikelihoodRatio 例4 3 續例4 2 若考慮糧食播種面積 M 對糧食產量的影響 現檢驗該因素是否顯著 冗余變量檢驗 testdrop檢驗 冗余 Redundant 檢驗用以確定現有模型一個變量子集的統計顯著性 即考察子集內變