【正文】 0。 二、對回歸模型增加或減少解釋變量 考慮如下兩個回歸模型 ???? ????? kk XXY ?110?????? ??????? ???? qkqkkkkk XXXXY ?? 11110(*) (**) (*)式可看成是（ **）式的 受約束回歸： H0： 021 ???? ??? qkkk ??? ?相應(yīng)的Ｆ統(tǒng)計量為： ))1(,(~))1(/(/)())1(/(/)(?????????????qknqFqknR SSqE SSE SSqknR SSqR SSR SSFURUUUR 如果約束條件為真，即額外的變量 Xk+1, …, Xk+q對Ｙ沒有解釋能力，則Ｆ統(tǒng)計量較??； 否則，約束條件為假，意味著額外的變量對Ｙ有較強(qiáng)的解釋能力，則Ｆ統(tǒng)計量較大。 因此，可通過 F的 計算值 與 臨界值 的比較，來判斷額外變量是否應(yīng)包括在模型中。 討論： Ｆ統(tǒng)計量的另一個等價式 ))1(/()1(/)(222??????qknRqRRFURU 三、參數(shù)的穩(wěn)定性 鄒氏參數(shù)穩(wěn)定性檢驗 建立模型時往往希望模型的參數(shù)是穩(wěn)定的，即所謂的 結(jié)構(gòu)不變 ，這將提高模型的預(yù)測與分析功能。 如何檢驗？ 假設(shè) 需要建立的模型 為 ???? ????? kk XXY ?110在 兩 個 連 續(xù) 的 時 間 序 列 （ 1,2,… ， n1 ） 與（ n1+1,… ， n1+n2） 中 ， 相應(yīng)的模型分別為： 1110 ???? ????? kk XXY ?2110 ???? ????? kk XXY ? 合并兩個時間序列為 ( 1,2,… ， n1 ， n1+1,… ， n1+n2 )，則可寫出如下 無約束回 歸模型 ??????????????????????????????????212121μμαβX00XYY 如果 ?=?，表示沒有發(fā)生結(jié)構(gòu)變化，因此可針對如下假設(shè)進(jìn)行檢驗： H0: ?=? (*)式施加上述約束后變換為 受約束 回歸模型 (*) ??????????????????????????212121μμβXXYY （ **） 因此，檢驗的 F統(tǒng)計量為： )]1(2,[~)]1(2/[ /)( 2121???????? knnkFknnR S S kR S SR S SFUUR 記 RSS1與 RSS2為在兩時間段上分別回歸后所得的殘差平方和，容易驗證， 21 R S SR S SR S S U ??于是 )]1(2,[~)]1(2/[)( /)]([ 21212121 ?????????? knnkFknnR S SR S SkR S SR S SR S SF R參數(shù)穩(wěn)定性的檢驗步驟： （ 1）分別以兩連續(xù)時間序列作為兩個樣本進(jìn)行回歸，得到相應(yīng)的殘差平方： RSS1與 RSS2 （ 2）將兩序列并為一個大樣本后進(jìn)行回歸，得到大樣本下的殘差平方和 RSSR （ 3）計算 F統(tǒng)計量的值，與臨界值比較： 若 F值 大于 臨界值 ，則拒絕原假設(shè)，認(rèn)為發(fā)生了結(jié)構(gòu)變化，參數(shù)是非穩(wěn)定的。 該檢驗也被稱為 鄒氏參數(shù)穩(wěn)定性檢驗（ Chow test for parameter stability） 。 鄒氏預(yù)測檢驗 上述參數(shù)穩(wěn)定性檢驗要求 n2k。 如果出現(xiàn) n2k ，則往往進(jìn)行如下的 鄒氏預(yù)測檢驗 （ Chow test for predictive failure）。 鄒氏預(yù)測檢驗的基本思想 : 先用前一時間段 n1個樣本估計原模型，再用估計出的參數(shù)進(jìn)行后一時間段 n2個樣本的預(yù)測。 如果預(yù)測誤差較大，則說明參數(shù)發(fā)生了變化，否則說明參數(shù)是穩(wěn)定的 。 分別以 ?、 ? 表示第一與第二時間段的參數(shù)，則 22222222111μγβXμβ)( αXβXμαXYμβXY???????????其中， )( βαXγ2 ?? 如果 ? =0， 則 ? = ?， 表明參數(shù)在估計期與預(yù)測期相同 (*) (*)的矩陣式： ??????????????????????????????????21n2121μμγβIX0XYY2可見，用前 n1個樣本估計可得前 k個參數(shù) ?的估計，而 ?不外是用后 n2個樣本測算的預(yù)測誤差 X2(? ?) (**) 如果參數(shù)沒有發(fā)生變化，則 ?=0， 矩陣式簡化為 ??????????????????????????212121μμβXXYY (***) （ ***）式與（ **）式 )1/(/)()1/()/()(1121?????????knR S SnR S SR S SknR S SkkR S SR S SF RUURUUR這里： KU KR=n2 RSSU=RSS1 分別可看成 受約束 與 無約束 回歸模型 ， 于是有如下 F檢驗： ??????????????????????????????????21n2121μμγβIX0XYY2 第一步 ， 在兩時間段的合成大樣本下做 OLS回歸 ，得受約束模型的殘差平方和 RSSR ； 第二步 ， 對前一時間段的 n1個子樣做 OLS回歸 ， 得殘差平方和 RSS1 ； 第三步 ， 計算檢驗的 F統(tǒng)計量 ， 做出判斷： 鄒氏預(yù)測 檢驗步驟： 給定顯著性水平 ?， 查 F分布表 ， 得臨界值 F?(n2, n1k1) 如果 FF(n2, n1k1) ， 則拒絕原假設(shè) ， 認(rèn)為預(yù)測期發(fā)生了結(jié)構(gòu)變化 。 例 中國城鎮(zhèn)居民食品人均消費需求的鄒氏檢驗。 參數(shù)穩(wěn)定性檢驗 1981~1994： )l n ()l n ()l n ()?l n ( 01 PPXQ ???? RSS1= 1995~2022： 01 PPXQ ???? () () () () 1981~2022: 01 PPXQ ???? () () () () )821/()00 00 32 ( 4/)]00 00 58 32 (01 37 [ ??? ???F 給定 ?=5%，查表得臨界值 (4, 13)= 判斷： F值 臨界值，拒絕參數(shù)穩(wěn)定的原假設(shè)，表明中國城鎮(zhèn)居民食品人均消費需求在 1994年前后發(fā)生了顯著變化。 鄒氏預(yù)測 檢驗 )1314/(0 0 3 2 4 7/)0 0 3 2 4 1 3 7 8 ( ?????F給定 ?=5%，查表得臨界值 (7, 10)= 判斷 ： F值 臨界值，拒絕參數(shù)穩(wěn)定的原假設(shè) *四、非線性約束 也可對模型參數(shù)施加 非線性約束 ,如對模型 ????? ?????? kk XXXY ?22110施加非線性約束 ?1?2=1,得到 受約束回歸模型 : *211101 ????? ?????? kk XXXY ? 該模型必需采用 非線性最小二乘法（ nonlinear least squares） 進(jìn)行估計 。 非線性約束檢驗 是建立在 最大似然原理 基礎(chǔ)上的 ,有 最大似然比檢驗 、 沃爾德檢驗 與 拉格朗日乘數(shù)檢驗 . 最大似然比檢驗 (likelihood ratio test, LR) 估計 :無約束回歸模型與受約束回歸模型， 方法 :最大似然法， 檢驗 :兩個似然函數(shù)的值的差異是否 “ 足夠 ” 大。 記 L(?,?2)為一似然函數(shù) : 無約束回歸 : Max: )?,?(2?βL受約束回歸 : Max: )~,~( 2?βL或 求極值： )(),( 2 βλβ gL ???? ? g(?):以各約束條件為元素的列向量 , ?’：以相應(yīng)拉格朗日乘數(shù)為元素的行向量 約束 ： g(?)=0 受約束 的函數(shù)值不會超過 無約束 的函數(shù)值 ，但如果 約束條件為真 ，則兩個函數(shù)值就非常 “ 接近 ” 。 ? ? ? ?22 ??~~ ?? ，L，L ββ 由此，定義 似然比 （ likelihood ratio） : 如果 比值很小， 說明 兩似然函數(shù)值差距較大，則應(yīng) 拒絕 約束條件為真的假設(shè)； 如果 比值接近于１， 說明 兩似然函數(shù)值很接近，應(yīng) 接受 約束條件為真的假設(shè)。 具體檢驗 時，由于大樣本下： )(~)]?,?(ln)~,~([ l n2 222 hLLLR ??? ββ ??? h是約束條件的個數(shù)。因此： 通過 LR統(tǒng)計量的 ?2分布特性來進(jìn)行判斷。 在 中國城鎮(zhèn)居民人均食品消費需求例 中，對 零階齊次性 的檢驗： LR= 2()= 給出 ?=5%、查得 臨界值 ?(1)＝ ， 判斷 ： LR ?(1),不拒絕原約束的假設(shè)， 表明 :中國城鎮(zhèn)居民對食品的人均消費需求函數(shù)滿足零階齊次性條件 。 ２、沃爾德檢驗 （ Wald test, W） 沃爾德檢驗中，只須估計無約束模型。如對 ????? ?????? kk XXXY ?22110 在所有古典假設(shè)都成立的條件下，容易證明 ),(~?? 2 ??2121 21 ??????? ??? N因此，在 ?1+?2=1的約束條件下 )1,0(~1??21 ??21 Nz?????????記 )(~~ 22 ??21 Xf?? ?? ??可建立 沃爾德統(tǒng)計量 : )1(~~ )1??( 22??22121?? ???? ????W 如果有 h個約束條件，可得到 h個統(tǒng)計量 z1,z2,… ,zh 約束條件為真時，可建立 大樣本 下的服從自由度為 h的漸近 ?2 分布統(tǒng)計量 )(~ 2 hW ?ZCZ 1??? 其中， Z為以 zi為元素的列向量， C是 Z的方差 協(xié)方差矩陣。 因此， W從總體上測量了無約束回歸不滿足約束條件的程度。 對 非線性約束 ，沃爾德統(tǒng)計量 W的算法描述要復(fù)雜得多。 拉格朗日乘數(shù)檢驗 拉格朗日乘數(shù)檢驗則只需估計 受約束 模型 . 受約束回歸是求最大似然法的極值問題 : )(),( 2 βλβ gL ???? ??’是拉格朗日乘數(shù)行向量，衡量各約束條件對最大似然函數(shù)值的影響程度。 如果某一約束為真 ， 則該約束條件對最大似然函數(shù)值的影響很小 ， 于是 ， 相應(yīng)的拉格朗日乘數(shù)的值應(yīng)接近于零 。 因此 ， 拉格朗日乘數(shù)檢驗就是檢驗?zāi)承├窭嗜粘藬?shù)的值是否 “ 足夠大 ” ， 如果 “ 足夠大 ” ，則拒絕約束條件為真的假設(shè) 。 拉格朗日統(tǒng)計量 LM本身是一個關(guān)于拉格朗日乘數(shù)的復(fù)雜的函數(shù) ， 在各約束條件為真的情況下 ， 服從一自由度恰為約束條件個數(shù)的漸近 ?2分布 。 2nRLM ?n為樣本容量， R2為如下被稱為 輔助回歸 （ auxiliary regression）的可決系數(shù) : kkR XXXe ???? ????? 22110 ????? ? 如果約束是非線性的，輔助回歸方程的估計比較復(fù)雜，但仍可按（ *）式計算 LM統(tǒng)計量的值。 最后，一般地有 :LM?LR?W 同樣地，如果為線性約束， LM服從一精確的 ?2分布： (*