eviews線性回歸ppt課件(參考版)
2025-05-15 06:03本頁面
【正文】 。 )22)(????()1())????(~~(22112211????????????kTuuuukuuuuuuFuu~~?iiuu??? 為了進(jìn)行 Chow分割點(diǎn)檢驗(yàn) ， 選擇 View/Stability Tests/Chow Breakpoint Test… 出現(xiàn)對話框以后 ， 填入間斷點(diǎn)的日期 。 下面要討論的 Chow預(yù)測檢驗(yàn)可以解決這個(gè)問題 。在最簡單情況下（一個(gè)分割點(diǎn)），計(jì)算如下： Chow分割點(diǎn)檢驗(yàn)的原假設(shè) :不存在結(jié)構(gòu)變化 。 對 Chow分割點(diǎn)檢驗(yàn)， EViews提供了兩個(gè)檢驗(yàn)統(tǒng)計(jì)量。 為進(jìn)行檢驗(yàn) ， 把數(shù)據(jù)分為兩個(gè)或多個(gè)子樣本區(qū)間 ， 每一子區(qū)間包含的觀測值數(shù)應(yīng)大于方程參數(shù) ， 這樣才使得方程能被估計(jì) 。 顯著差異說明關(guān)系中存在結(jié)構(gòu)變化 。 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 。 輸入： K L EViews將顯示含有這兩個(gè)附加解釋變量的無約束回歸結(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。 2. 如何進(jìn)行遺漏變量檢驗(yàn) 選擇 View/Coefficient Tests/Omitted Variables—Likelihood Ration，在打開的對話框中，列出檢驗(yàn)統(tǒng)計(jì)量名，用至少一個(gè)空格相互隔開。 (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。 注意： (1) 遺漏變量檢驗(yàn)要求在原始方程中和檢驗(yàn)方程中觀測值數(shù)相等 。 LR統(tǒng)計(jì)量由下式計(jì)算： ? ?ur LLLR ??? 2 Lr和 Lu是約束和無約束約束回歸對數(shù)似然函數(shù)的最大值。 檢驗(yàn)的輸出是 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)下無約束模型估計(jì)結(jié)果。 遺漏變量 (Omitted Variables)檢驗(yàn) （ 1） . 遺漏變量檢驗(yàn)原理 這一檢驗(yàn)?zāi)芙o現(xiàn)有方程添加變量 ， 而且詢問添加的變量對解釋因變量變動是否有顯著作用 。 那么由產(chǎn)出彈性的經(jīng)濟(jì)意義 ， 應(yīng)該有 ? ,? 即當(dāng)資本與勞動的數(shù)量同時(shí)增長 ?倍時(shí)，產(chǎn)出量也增長 ? 倍。 ???????? ???? LAKLAKLKA ?? ?)()( Q 為產(chǎn)出 ， K 為資本投入 ， L 為 勞動力投入 。 u~ （ 2） . 如何進(jìn)行 Wald系數(shù)檢驗(yàn) 為介紹如何進(jìn)行 Wald系數(shù)檢驗(yàn)，我們考慮一個(gè)例子。 如果約束有效 ， 這兩個(gè)殘差平方和差異很小 ，F(xiàn)統(tǒng)計(jì)量值也應(yīng)很小 。 進(jìn)一步假設(shè)誤差獨(dú)立同時(shí)服從正態(tài)分布 ， 我們就有一確定的 、 有限的樣本 F統(tǒng)計(jì)量 qWkTuu quuuuF /)/( /)~~(??? ???? 是約束回歸的殘差向量 。 對于一個(gè)線性回歸模型 uXy ?? ?一個(gè)線性約束： 0:0 ?? rRH ?式中 R是一個(gè)已知的 q ? k 階矩陣， r 是 q 維向量。 如果約束為真 ， 無約束估計(jì)量應(yīng)接近于滿足約束條件 。 1 Wald檢驗(yàn) ——系數(shù)約束條件檢驗(yàn) （ 1） . Wald檢驗(yàn)原理 Wald檢驗(yàn)沒有把原假設(shè)定義的系數(shù)限制加入回歸 ， 通過估計(jì)這一無限制回歸來計(jì)算檢驗(yàn)統(tǒng)計(jì)量 。 方程對象菜單的 View中給出三種檢驗(yàn)類型選擇來檢驗(yàn)方程定義。 其它檢驗(yàn)在其它章節(jié)討論。其它是服從近似分布的大樣本檢驗(yàn)統(tǒng)計(jì)量。切記：對每一檢驗(yàn)都有不同假設(shè)和分布結(jié)果。 P值度量的是犯第一類錯(cuò)誤的概率，即拒絕正確的原假設(shè)的概率， P值越大，錯(cuò)誤地拒絕原假設(shè)的可能性就越大； P值越小，拒絕原假設(shè)時(shí)就越放心。檢驗(yàn)指令輸出包括一個(gè)或多個(gè)檢驗(yàn)統(tǒng)計(jì)量樣本值和它們的聯(lián)合概率值（ P值）。 我們試圖提供足夠的統(tǒng)計(jì)方法來進(jìn)行這些檢驗(yàn) ， 但是實(shí)際考慮的許多描述是不完全的 ， 建議查閱標(biāo)準(zhǔn)統(tǒng)計(jì)和經(jīng)濟(jì)計(jì)量學(xué)參考資料 。 隨著改進(jìn) ， 檢驗(yàn)結(jié)果將影響所選擇的定義 ， 這一過程將重復(fù)下去 ，直到方程定義恰當(dāng)為止 。 不可避免地 ， 在初始定義的恰當(dāng)性方面存在不確定性 。 這一過程從估計(jì)關(guān)系的定義開始 。 在完全共線的情況下 ， 回歸變量矩陣 X不是列滿秩的 ， 不能計(jì)算 OLS估計(jì)值 。 出現(xiàn)這
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號-1