最新受约束回归模型精品课件

《最新受约束回归模型精品课件》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、受约束回归模型受约束回归一、模型参数的线性约束二、对回归模型增加或减少解释变量三、参数的稳定性*四、非线性约束这里的F检验适合所有关于参数线性约束的检验如：多元回归中对方程总体线性性的F检验：H0：j=0j=1,2,…,k这里：受约束回归模型为这里，运用了ESSR＝0。二、对回归模型增加或减少解释变量考虑如下两个回归模型(*)(**)(*)式可看成是（**）式的受约束回归：H0：相应的Ｆ统计量为：如果约束条件为真，即额外的变量Xk+1,…,Xk+q对Ｙ没有解释能力，则Ｆ统计量较小；否则，约束条件为假，意味着额外的变量对Ｙ有较强的解释能

2、力，则Ｆ统计量较大。因此，可通过F的计算值与临界值的比较，来判断额外变量是否应包括在模型中。讨论：Ｆ统计量的另一个等价式三、参数的稳定性1、邹氏参数稳定性检验建立模型时往往希望模型的参数是稳定的，即所谓的结构不变，这将提高模型的预测与分析功能。如何检验？假设需要建立的模型为在两个连续的时间序列（1,2,…，n1）与（n1+1,…，n1+n2）中，相应的模型分别为：合并两个时间序列为(1,2,…，n1，n1+1,…，n1+n2)，则可写出如下无约束回归模型如果=，表示没有发生结构变化，因此可针对如下假设进行检验：H0:=(*)式施

3、加上述约束后变换为受约束回归模型(*)（**）因此，检验的F统计量为：记RSS1与RSS2为在两时间段上分别回归后所得的残差平方和，容易验证，于是参数稳定性的检验步骤：（1）分别以两连续时间序列作为两个样本进行回归，得到相应的残差平方：RSS1与RSS2（2）将两序列并为一个大样本后进行回归，得到大样本下的残差平方和RSSR（3）计算F统计量的值，与临界值比较：若F值大于临界值，则拒绝原假设，认为发生了结构变化，参数是非稳定的。该检验也被称为邹氏参数稳定性检验（Chowtestforparameterstability）。2、邹氏预测检

4、验上述参数稳定性检验要求n2>k。如果出现n2<k，则往往进行如下的邹氏预测检验（Chowtestforpredictivefailure）。邹氏预测检验的基本思想:先用前一时间段n1个样本估计原模型，再用估计出的参数进行后一时间段n2个样本的预测。如果预测误差较大，则说明参数发生了变化，否则说明参数是稳定的。分别以、表示第一与第二时间段的参数，则其中，如果=0，则=，表明参数在估计期与预测期相同(*)(*)的矩阵式：可见，用前n1个样本估计可得前k个参数的估计，而不外是用后n2个样本测算的预测

5、误差X2(-)(**)如果参数没有发生变化，则=0，矩阵式简化为(***)（***）式与（**）式这里：KU-KR=n2RSSU=RSS1分别可看成受约束与无约束回归模型，于是有如下F检验：第一步，在两时间段的合成大样本下做OLS回归，得受约束模型的残差平方和RSSR；第二步，对前一时间段的n1个子样做OLS回归，得残差平方和