13-模型的診斷與檢驗(yàn)-wenkub.com
2025-01-12 03:45 本頁面
【正文】 2023年 1月 下午 1時(shí) 50分 :50January 30, 2023 1業(yè)余生活要有意義，不要越軌。 13:50:1513:50:1513:50Monday, January 30, 2023 1知人者智，自知者明。 下午 1時(shí) 50分 15秒 下午 1時(shí) 50分 13:50: 楊柳散和風(fēng)，青山澹吾慮。 :50:1513:50:15January 30, 2023 1意志堅(jiān)強(qiáng)的人能把世界放在手中像泥塊一樣任意揉捏。 , January 30, 2023 很多事情努力了未必有結(jié)果，但是不努力卻什么改變也沒有。 2023年 1月 30日星期一 下午 1時(shí) 50分 15秒 13:50: 1比不了得就不比，得不到的就不要。 13:50:1513:50:1513:501/30/2023 1:50:15 PM 1以我獨(dú)沈久，愧君相見頻。 （ 2 ）當(dāng) 做 xt是否為導(dǎo)致 yt變化的格蘭杰原因檢驗(yàn)時(shí)，如果 zt也是 yt變化的格蘭杰原因，且 zt又與 xt相關(guān)，這時(shí)在 xt是否為導(dǎo)致 yt變化的格蘭杰因果關(guān)系檢驗(yàn)式的右端應(yīng)加入 zt的滯后項(xiàng)。實(shí)質(zhì)上是一個(gè)判斷性問題。 （第 3版 280頁） 格蘭杰 （ Granger） 因果性檢驗(yàn) （不講） Granger非因果性檢驗(yàn)的 EViews操作是，打開 SHt和 SZt的數(shù)劇組窗口，點(diǎn)擊 View鍵，選 Granger Causility功能。 SZt是 SHt變化的G ranger 原因。估計(jì) 非 約束模型和約束模型兩個(gè)回歸式如下 ： SZt = 6 + 1. 0468 SZt 1 + 6 SZt 2 – 0. 028 6 SHt 1 + 05 SHt 2 ( ) ( 19. 7) ( ) ( ) ( ) R2 = 0 .995, SS Eu = 381 , T = 6 59 SZt = 7 + 0. 9926 SZt 1 + 3 SZt 2 ( ) ( 25. 4 ) ( ) R2 = 0 .995, SS Er = 38 4 , T = 6 59 計(jì)算 F 統(tǒng) 計(jì)量的值， F =)()(kNTSSEkuu?? S S ES S Er=)5659(2)(??= 43 因?yàn)?F = 643 ? F( 2 , 654 ) = 3 . 00 ，所以接受原假設(shè)。 （ 4）這個(gè)概念首先由格蘭杰（ Granger）在 1969年提出。只因口語都希望簡單，所以稱作“格蘭杰因果性”。T 表示樣本容量。上述檢驗(yàn)可用 F 統(tǒng)計(jì)量完成。 格蘭杰因果性的另一種表述是 其他條件不變，若加上 xt的滯后變量后對(duì) yt的預(yù)測(cè)精度不存在顯著性改善，則稱 xt 1對(duì) yt不存在格蘭杰因果性關(guān)系。 若 JB ? ? 2? ( 2) ，該分布為正態(tài)分布， 若 JB ? ? 2? ( 2) ，該分布不是正態(tài)分布。 高 峰厚尾 分布曲線 正態(tài) 分布曲線 JB（ JarqueBera）正態(tài)分布檢驗(yàn) H0： 服從 正態(tài)分布 ， H1： 不 服從 正態(tài)分布 JB （ J ar que B era ）統(tǒng)計(jì)量定義如下， ])3(41[622???? KSnTJB ? ?2 (2 ) 對(duì)于直接得到的觀測(cè)時(shí)間序列，取 n = 0 。對(duì)于時(shí)間序列 或一組數(shù)據(jù) （ y1, y2, …, yT），偏度 S 定義為， 31)(1????TttsyyTS 若 yt服從 對(duì) 稱 分布，則偏度為零；若分布是右偏倚的，則偏度 S ? 0 ；若分布是左偏倚的，則偏度 S ? 0 。 ( 4) 用 O L S 法估計(jì)上式并計(jì)算可決系數(shù) R 2。 例如非約束模型如下式 , Ln yt = ?1 + ?2 Ln x1 t + ?3 Ln x2 t + ut 把上式改寫成如下形式 ut = Ln yt ?1 ?2 Ln x1 t ?3 Ln x2 t 則 LM 輔助回歸式中的解釋變量按如下形式確定。在零假設(shè)成立前提下 LM = T R2 ? ?2( m ) 其中 m 表示約束條件個(gè)數(shù)。 拉格朗日乘子（ LM）檢驗(yàn) （不講） （第 3版 265頁） ( 3) 建立 LM 輔助回歸式， tu?= ?? + ?1 x1 t + ?2 x2 t + … + ?k xk t + vt 其中tu?由第一步得到。 ( 2) 確定 LM 輔助回歸式的解釋變量。 LM乘子檢驗(yàn)可以檢驗(yàn)線性約束也可以檢驗(yàn)非線性約束條件的原假設(shè)。 因?yàn)?W = 65 對(duì)應(yīng)的 概率大于 ，說明統(tǒng)計(jì)量落在 原 假設(shè)的接收域。)()()(?)?()?(?)?())?((mkkkkm ??????????????????????????????fV arffV ar 其中?? ?)?( ?? f表示 f ( ? ) 用無約束估計(jì)量??代替后的偏導(dǎo)數(shù)矩陣，V ar(??) 是??的估計(jì)的方差協(xié)方差矩陣。 若把?~代入上式，則上式一定成立。比如對(duì) 如下 模型 yt = ?1 x 1 t + ?2 x2 t + ?3 x3 t + vt （ 無 約束 模型 ） 檢驗(yàn)線性約束條件 ?2 = ?3是否成立。其中 LR（ Log likelihood ratio）= ，與上面的計(jì)算結(jié)果相同。可得結(jié)果。結(jié)論是 不能從模型中 刪除解釋 變量 D E Ft和 R E P A Yt。 似然比（ LR ） 檢驗(yàn)的基本思路是如果約束條件成立則相應(yīng)約束模型與非約束模型的極大 似然函數(shù) 值 近似 相 等 。 括號(hào)內(nèi)是兩個(gè)似然函數(shù)之比（似然比檢驗(yàn)由此而得名） ， m 表示約束條件個(gè)數(shù)。 （ 3）在約束模型輸出結(jié)果窗口中點(diǎn)擊 View，選 Coefficient Tests, Omitted Variables Likelihood Ratio功能（模型中是否丟了重要的解釋變量），在隨后彈出的對(duì)話框中填入擬加入的解釋變量 GDP， DEF?？傻萌缦陆Y(jié)果。 因?yàn)?F= F( 2, 18) =，所以 拒絕原假設(shè) 。 01 0 0 02 0 0 03 0 0 04 0 0 05 0 0 00 2 0 0 4 0 0 6 0 0 8 0 0 1 0 0 0G D PD E B T01 0 0 02 0 0 03 0 0 04 0 0 05 0 0 0 1 0 0 0 0 1 0 0 0 2 0 0 0 3 0 0 0D E FD E B T01 0 0 02 0 0 03 0 0 04 0 0 05 0 0 00 5 0 0 1 0 0 0 1 5 0 0 2 0 0 0 2 5 0 0R E P A YD E B T （第 3版 255頁） 用 1980?2023年數(shù)據(jù)得輸出結(jié)
環(huán)評(píng)公示相關(guān)推薦
鄂ICP備17016276號(hào)-1