eviews模型診斷

1、.1第四章 模型診斷.2v鄒突變點檢驗(檢驗是否存在突變點）v鄒模型穩(wěn)定性檢驗（檢驗?zāi)Ｐ褪欠窨梢赃M行預(yù)測）v似然比檢驗（檢驗?zāi)Ｐ褪欠翊嬖谌笔ё兞炕虼嬖谌哂嘧兞浚﹙Wald檢驗（檢驗?zāi)Ｐ偷募s束條件是否有效）.3v兩個鄒檢驗鄒檢驗用來檢查不同時期或不同截面數(shù)據(jù)子樣本相互關(guān)系的穩(wěn)定性。v該檢驗中最重要的步驟是將數(shù)據(jù)集合T分為T1和T2兩個部分，T1用于估計，剩下的T2用于檢驗。v若利用所有可得到的樣本觀測值對方程進行估計，則可以尋找到最適合給定數(shù)據(jù)集合的方程，但是這樣就無法檢驗該模型的預(yù)測能力，也不能檢驗參數(shù)是否穩(wěn)定，變量間的關(guān)系是否穩(wěn)健。.4v在時間序列樣本中，通常利用T1時期的觀測值進行了估計，

2、余下的T2時期的觀測值進行檢驗。v對于截面數(shù)據(jù)，可以先根據(jù)關(guān)鍵變量，例如家庭收入或公司銷售額的大小，對數(shù)據(jù)進行了排序，然后再將數(shù)據(jù)集合分成兩個部分。v這里沒有硬性的、快速的方法來確定T1、T2的相對大小。.5v某些情況下，會出現(xiàn)一些明顯的已經(jīng)發(fā)生結(jié)構(gòu)變化的點（如一條法規(guī)的出現(xiàn)、固定匯率向浮動匯率的轉(zhuǎn)變或者是石油價格的沖擊等），則選擇該點來分割T。v在沒有什么特殊原因來觀測結(jié)構(gòu)變化時，粗略的經(jīng)驗是用85%-90%的觀測值來進行估計，余下的用于檢驗。.6鄒突變點檢驗v鄒突變點檢驗由鄒至莊1960年提出，用于檢驗?zāi)Ｐ蛥?shù)在樣本范圍內(nèi)某一點是否發(fā)生變化。 v注意，每個子集中的觀測值數(shù)目必須超過待估方程

3、中系數(shù)的個數(shù)。分割的目的是為了檢驗系數(shù)向量在不同的子集中是否可以視為常數(shù)。 vH0：不存在突變點.7v檢驗時，考察的方程應(yīng)分別擬合于每個子樣本。加總每個子樣本的殘差平方和從而得到無約束的殘差平方和，然后再用方程擬合于所有樣本觀測值，得到有約束的殘差平方和。 vF統(tǒng)計量是有約束和無約束的殘差平方和之比，而LR統(tǒng)計量是通過有約束和無約束條件下的方程的極大似然值計算得到。輸出結(jié)果再次顯示F統(tǒng)計量、LR統(tǒng)計量和相應(yīng)的概率值。 .8v注意：該檢驗適合于由最小二乘法和兩階段最小二乘法做的回歸。v做鄒突變檢驗時，選擇Equation工具中的View/stability tests/chow Breakpoi

4、nt test功能。在對話框中，輸入突變的日期（相對于時間序列樣本）或觀測數(shù)目（相對于截面樣本）。例如，若方程由1950-1994年數(shù)據(jù)估計得到，在對話框中，鍵入1960，則設(shè)定了兩個子樣本，一個從1950-1959,另一個從1960-1994。.9例4.1v1985-2002年中國家用汽車擁有量（y）與城鎮(zhèn)居民家庭人均可支配收入(x)，數(shù)據(jù)見case6。畫散點圖后發(fā)現(xiàn)1996年應(yīng)該是一個突變點。當(dāng)城鎮(zhèn)居民家庭人均可收入突破4838.9元之后，城鎮(zhèn)居民家庭購買家用汽車的能力大大提高?，F(xiàn)在用鄒突變點檢驗法檢驗1996年是不是一個突變點。.10鄒模型穩(wěn)定性檢驗v在鄒預(yù)測檢驗中，利用T1時期的觀測值

5、估計方程并預(yù)測余下T2時期的因變量的值。這樣，會存在一個預(yù)測值和真實值之間差異的向量。若差異較小，則對估計方程毋庸置疑；若差異較大，則方程參數(shù)的穩(wěn)定性值得懷疑。vH0：模型是穩(wěn)定的.11v注意: Chow預(yù)測檢驗適用于由最小二乘法和兩階段最小二乘法估計的回歸方程。v做Chow預(yù)測檢驗時，選擇Equation 工具欄中的View/Stability Tests/Chow Forecast Test功能。在對話框中，設(shè)定預(yù)測開始的日期，且該日期必須在現(xiàn)有的樣本觀測值之內(nèi)。.12v仍以表case6為例用1985 1999年數(shù)據(jù)建立的模型基礎(chǔ)上，檢驗當(dāng)把2000 2002年數(shù)據(jù)加入樣本后，模型的回歸參

6、數(shù)是否出現(xiàn)顯著性變化。v因為已經(jīng)知道1996年為結(jié)構(gòu)突變點，所以設(shè)定虛擬變量，v以區(qū)別兩個不同時期。.13v用1985 2002年數(shù)據(jù)按以下命令回歸，vy c x d1 x*d1.14 Wald檢驗 vWald檢驗處理有關(guān)解釋變量系數(shù)約束的假設(shè)。 v例如，假設(shè)一個Cobb-Douglas生產(chǎn)函數(shù)已經(jīng)估計為以下形式:v其中Q、K和已分別代表產(chǎn)出、資本與勞動的投入量。規(guī)摸報酬不變的假設(shè)由以下約束檢驗表示:.15vWald檢驗原假設(shè)的參數(shù)限制以及檢驗方程可以是線性的，也可以是非線性的，并且可以同時檢驗一個或多個約束。vWald檢驗的輸出結(jié)果依賴于約束的線性性。在線性約束下，輸出結(jié)果是F統(tǒng)計量、x2統(tǒng)

7、計量和相應(yīng)的p值。v如果約束是有效的，那么F統(tǒng)計量應(yīng)該很小， p值很大，并且約束不會被拒絕。v在大多數(shù)應(yīng)用中，p值和相應(yīng)的F統(tǒng)計量應(yīng)該被認為是近似值，也就是說只有當(dāng)F值遠大于臨界值時結(jié)論才是可靠的。.16v如果是非線性約束，則不論方程形式如何，檢驗結(jié)果只能是卡方統(tǒng)計量的近似結(jié)果和相應(yīng)的近似既率。v事實上， Wald檢驗對二階段最小二乘法、非線性最小二乘法等建立的模型均有效，只是檢驗統(tǒng)計量有所不同 vEViews中，方程結(jié)果輸出窗口點擊View按鈕，然后在下拉菜單中選擇Coefficient Tests/Wald-Coefficient Restrictions .17例4.2v糧食產(chǎn)量（Y）通

8、常由糧食生產(chǎn)勞動力（L）、化肥施用量（K）等因素決定，利用線性化方法估計Cobb-Douglas生產(chǎn)函數(shù)模型并檢驗參數(shù)是否滿足約束條件 。（case4)1.18遺漏變量檢驗(testadd檢驗)v遺漏(Omitted)變量檢驗用以查看對現(xiàn)有模型添加某些變量后，新變量是否對因變量的解釋有顯著貢獻。檢驗的原假設(shè)是新變量都是不顯著的。檢驗統(tǒng)計量 .19v注意 :v計算時都要求原模型與檢驗?zāi)Ｐ偷挠^測量相同，即新變量不能在原來的樣本期內(nèi)含有缺失值，因此，像加入滯后變量等情況，檢驗是失效的。 vEViews中，方程結(jié)果輸出窗口中選擇View/Coefficient Tests/Omitted Variables-Likelihood Ratio .20例4.3 v續(xù)例4.2。若考慮糧食播種面積(M)對糧食產(chǎn)量的影響，現(xiàn)檢驗該因素是否顯著。 .21冗余變量檢驗(testdrop檢驗) v冗余(Redundant)檢驗用以確定現(xiàn)有模型一個變量子集的統(tǒng)計顯著性，即考察子集內(nèi)變