资源描述：
《计量经济学经典eviews定义和诊断检验》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。
1、计量经济学经典eviews定义和诊断检验木章描述的每一检验过程包括假设检验的原假设定义。检验指令输出包括一个或多个检验统计量样木值和它们的联合概率值(P值)。p值说明在原假设为真的情况下，样本统计量绝对值的检验统计量大于或等于临界值的概率。这样，低的p值就拒绝原假设。对每一检验都有不同假设利分布结果。方程对彖菜单的View中给出三种检验类型选择来检验方程定义。包括系数检验、残差检验和稳定性检验。其他检验，如单位根检验(13章)、Granger因果检验(8章)和Johansen协整检验(19章)。§15.1系数检验一、Wal
2、d检验——系数约束条件检验Wald检验没有把原假设尬义的系数限制加入回归，通过估计这一无限制冋归來计算检验统计量。Wald统让量计算无约束估让量如何满足原假设下的约束。如果约束为其，无约束估计暈应接近于满足约束条件。考虑一个线性回归模型：y=X0+£和一个线性约束：H{):/?/?-r=0,R是一个已知的qxk阶矩阵，r是q维向量。Wald统计量在比下服从渐近分布力2⑷，可简写为：W=(Rb-r)f(s2R(X%)_,R丁'(Rb一r)进一-步假设误差£独立同吋服从止态分布，我们就有一确定的、有限的样本F-统计量(u9ii
3、-ufu)/quu/(T-k)=W/q方是约束回归的残差向量。F统计量比较冇约束和没冇约束计算出的残差平方和。如果约束冇效，这两个残差平方和差异很小，F统计量值也应很小。EViews显示才和F统计量以及相应的卩值。假设Cobb-Douglas生产函数估计形式如卜•：logQ=A+alog厶+0logK+£(1)Q为产出增加量，K为资本投入，厶为劳动力投入。系数假设检验时，加入约束4+0=1。为进行Wald检验，选择View/CoefficientTests/Wald-CoefficientRestrictions,在编辑对
4、话框中输入约束条件，多个系数约束条件用逗号隔开。约束条件应表示为含冇估计参数和常数(不可以含冇序列名)的方程，系数应表示为c(l),c(2)等等，除非在估计中已使用过一个不同的系数向量。为检验规模报酬不变4+0=1的假设，在对话框中输入下列约束：c(2)+c(3)=l二、遗漏变量检验这一检验能给现冇方程添加变量，而仇询问添加的变量对解释因变量变动是否冇显著作用。原假设H°是添加变址不显著。选择View/CoefficientTests/OmittedVariables一LikehoodRation,在打开的对话框中，列出检
5、验统计量名，用至少一个空格和互隔开。例如：原始回归为LSlog(q)clog(L)log(k),输入：KL,EViews将显示含冇这两个附加解禅变量的无约束回归结果，而TL显示假定新变量系数为()的检验统计量。三、冗余变量兀余变量检验可以检验方程中一部分变量的统计显著性。更正式，可以确定方程中一部分变量系数是否为0,从而可以从方程中剔出去。只冇以列出回归因了形式，而不是公式定义方程，检验才可以进行。选择View/CoefficientTests/RedundantVariable一likelihoodRatio,在对话框中
6、，输入每一检验的变#：名，相互间至少用一空格隔开。例如原始冋归为：Lslog(Q)clog(L)log(K)KL,如果输入KL,EVicws显示去掉这两个冋归因子的约束冋归结果，以及检验原假设(这两个变虽系数为())的统计量。§15.2残差检验—、相关图和Q一统计量在方程对象菜单中，选择View/ResidualTests/Correlogram-Q-Statistics,将显示直到定义滞后阶数的残差口相关性和偏口相关图利Q-统计量。在滞后定义对话框中，定义计算相关图时所使用的滞后数。如果残差不存在序列相关，在各阶滞后的口
7、相关和偏口相关值都接近于零。所有的统计量不显著，并II有大的P值。二、平方残差相关图选择View/ResidualTests/CorrelogramSquaredResidual,在打开的滞后定义对话框，定义计算相关图的滞后数。将显示直到任何定义的滞后阶数的平方残差的自相关性和偏自相关性，且计算出相应滞后阶数的Q-统计量。平方残差相关图可以用来检查残差口回归条件杲方差性(ARCH)o见下面ARCHLM检验。如杲残差中不存在ARCH,在各阶滞后口相关和偏口相关应为0,IlQ统计量应不显著。三、直方图和正态检验选择View/R
8、esidualTests/HistogramNormality,将显示直方图和残差的描述统计量，包括检验正态性的Jarque-Bera统计量。如果残差服从正态分布，直方图应呈钟型，J-B统计量应不显著。四、序列相关LM检验选择View/ResidualTests/SerialcorrelationLMT
