eviews模型诊断.ppt

eviews模型诊断.ppt

ID:48027470

大小:194.00 KB

页数:21页

时间:2020-01-10

eviews模型诊断.ppt_第1页
eviews模型诊断.ppt_第2页
eviews模型诊断.ppt_第3页
eviews模型诊断.ppt_第4页
eviews模型诊断.ppt_第5页
资源描述:

《eviews模型诊断.ppt》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库

1、第四章模型诊断邹突变点检验(检验是否存在突变点)邹模型稳定性检验(检验模型是否可以进行预测)似然比检验(检验模型是否存在缺失变量或存在冗余变量)Wald检验(检验模型的约束条件是否有效)两个邹检验用来检查不同时期或不同截面数据子样本相互关系的稳定性。该检验中最重要的步骤是将数据集合T分为T1和T2两个部分,T1用于估计,剩下的T2用于检验。若利用所有可得到的样本观测值对方程进行估计,则可以寻找到最适合给定数据集合的方程,但是这样就无法检验该模型的预测能力,也不能检验参数是否稳定,变量间的关系是否稳健。

2、在时间序列样本中,通常利用T1时期的观测值进行了估计,余下的T2时期的观测值进行检验。对于截面数据,可以先根据关键变量,例如家庭收入或公司销售额的大小,对数据进行了排序,然后再将数据集合分成两个部分。这里没有硬性的、快速的方法来确定T1、T2的相对大小。某些情况下,会出现一些明显的已经发生结构变化的点(如一条法规的出现、固定汇率向浮动汇率的转变或者是石油价格的冲击等),则选择该点来分割T。在没有什么特殊原因来观测结构变化时,粗略的经验是用85%-90%的观测值来进行估计,余下的用于检验。邹突变点检验邹

3、突变点检验由邹至庄1960年提出,用于检验模型参数在样本范围内某一点是否发生变化。注意,每个子集中的观测值数目必须超过待估方程中系数的个数。分割的目的是为了检验系数向量在不同的子集中是否可以视为常数。H0:不存在突变点检验时,考察的方程应分别拟合于每个子样本。加总每个子样本的残差平方和从而得到无约束的残差平方和,然后再用方程拟合于所有样本观测值,得到有约束的残差平方和。F统计量是有约束和无约束的残差平方和之比,而LR统计量是通过有约束和无约束条件下的方程的极大似然值计算得到。输出结果再次显示F统计量、

4、LR统计量和相应的概率值。注意:该检验适合于由最小二乘法和两阶段最小二乘法做的回归。做邹突变检验时,选择Equation工具中的View/stabilitytests/chowBreakpointtest功能。在对话框中,输入突变的日期(相对于时间序列样本)或观测数目(相对于截面样本)。例如,若方程由1950-1994年数据估计得到,在对话框中,键入1960,则设定了两个子样本,一个从1950-1959,另一个从1960-1994。例4.11985-2002年中国家用汽车拥有量(y)与城镇居民家庭人均

5、可支配收入(x),数据见case6。画散点图后发现1996年应该是一个突变点。当城镇居民家庭人均可收入突破4838.9元之后,城镇居民家庭购买家用汽车的能力大大提高。现在用邹突变点检验法检验1996年是不是一个突变点。邹模型稳定性检验在邹预测检验中,利用T1时期的观测值估计方程并预测余下T2时期的因变量的值。这样,会存在一个预测值和真实值之间差异的向量。若差异较小,则对估计方程毋庸置疑;若差异较大,则方程参数的稳定性值得怀疑。H0:模型是稳定的注意:Chow预测检验适用于由最小二乘法和两阶段最小二乘法

6、估计的回归方程。做Chow预测检验时,选择Equation工具栏中的View/StabilityTests/ChowForecastTest功能。在对话框中,设定预测开始的日期,且该日期必须在现有的样本观测值之内。仍以表case6为例用1985~1999年数据建立的模型基础上,检验当把2000~2002年数据加入样本后,模型的回归参数是否出现显著性变化。因为已经知道1996年为结构突变点,所以设定虚拟变量,以区别两个不同时期。用1985~2002年数据按以下命令回归,ycxd1x*d1Wald检验Wa

7、ld检验处理有关解释变量系数约束的假设。例如,假设一个Cobb-Douglas生产函数已经估计为以下形式:其中Q、K和已分别代表产出、资本与劳动的投入量。规摸报酬不变的假设由以下约束检验表示:Wald检验原假设的参数限制以及检验方程可以是线性的,也可以是非线性的,并且可以同时检验一个或多个约束。Wald检验的输出结果依赖于约束的线性性。在线性约束下,输出结果是F统计量、x2统计量和相应的p值。如果约束是有效的,那么F统计量应该很小,p值很大,并且约束不会被拒绝。在大多数应用中,p值和相应的F统计量应该

8、被认为是近似值,也就是说只有当F值远大于临界值时结论才是可靠的。如果是非线性约束,则不论方程形式如何,检验结果只能是卡方统计量的近似结果和相应的近似既率。事实上,Wald检验对二阶段最小二乘法、非线性最小二乘法等建立的模型均有效,只是检验统计量有所不同EViews中,方程结果输出窗口点击View按钮,然后在下拉菜单中选择CoefficientTests/Wald-CoefficientRestrictions例4.2粮食产量(Y)通常由粮食生产劳动力(L

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。