计量经济学 第6章 假设检验【精选】

假设检验
2015/7/31
1
主要内容
• 线性假设检验
– Wald检验：单系数t和一般性线性检验 – 基于约束最小二乘的检验(LR检验) – LM检验
• 非线性假设检验 • 结构突变的建模和检验：邹检验 • 设定性检验和模型选择
– 主要参考鲍姆第4章和Greene第5、6、7章部分内容
2015/7/31 2
2015/7/31
每一行都有许多0.
15
约束R = q 的例子
1.一个系数为0， j 0, R 0 0 ... 1 0 ...0 , q 0 2.两个系数相等， k j R 0 0 1 ... -1 ...0 , q 0 3.一组系数和为1， 2 3 4 1 R 0 1 1 1 0 ... , q 1 4.系数的一个子集为0，1 0, 2 0, 3 0 1 0 0 0 ... 0 0 , q 0 R 0 1 0 0 ... 0 0 0 0 1 0 ... 0 5.几个线性约束， 2 3 1, 4 6 0, 5 6 0 0 1 1 0 0 0 1 , q 0 R 0 0 0 1 0 1 2015/7/31 0 0 0 0 1 1 0
庭的犹太人，反对这种限制，他的建议是让狗儿自由的跑，看它会不会有不
良表现。 Rao 则看到过Calutta街上许多令人讨厌的流浪狗，不喜欢任由它们 跑来跑去，建议将狗儿一直关在笼子里，观察它在里面抓挠笼子的程度。如
果咆哮抓挠的太厉害，说明还需要进一步训练。那天晚上当 Rao 回到在剑桥
的公寓，他突然意识到 Neyman 和 Wald 的建议与Neyman-Pearson LR 检验与

计量经济学第六章自相关自相关是计量经济学中一种重要的现象，它指的是一个变量与其自己在过去时间点上的相关性。

自相关在实证研究中十分常见，对经济学家来说，了解和掌握自相关性质是至关重要的。

1. 引言自相关作为计量经济学的一项基础概念，是经济学研究中不可或缺的一个重要方法。

自相关性的存在通常会引起回归结果的偏误，而忽略自相关性可能导致估计不准确的结果。

因此，探讨自相关性的性质和应对方法是计量经济学的重点之一。

2. 自相关的定义和表示自相关是指一个变量与其自身在过去时间点上的相关性。

假设我们有一个时间序列数据集，其中变量yt表示一个时间点上的观测值，t表示时间索引。

自相关系数可以通过计算观测值yt与其在过去某一时间点上的观测值yt-k（k为时间滞后期数）的相关性来得到。

数学上，自相关系数可以用公式表示为：ρ(k) = Cov(yt, yt-k) / (σ(yt) * σ(yt-k))其中，ρ(k)表示第k期的自相关系数，Cov表示协方差，σ表示标准差。

3. 自相关性的性质自相关性具有以下几个性质：3.1 一阶自相关性一阶自相关性是指变量值yt与前一期的观测值yt-1之间的相关性。

一阶自相关系数ρ(1)通常用来检验时间序列数据是否存在自相关性。

若ρ(1)大于零且显著，则表明存在正的一阶自相关性；若ρ(1)小于零且显著，则表明存在负的一阶自相关性。

3.2 高阶自相关性除了一阶自相关性，时间序列数据还可能存在高阶自相关性。

高阶自相关性是指变量值yt与过去第k期的观测值yt-k之间的相关性。

通过计算不同滞后期的自相关系数ρ(k)，可以了解数据在不同时间跨度上的自相关性情况。

3.3 异方差自相关性异方差自相关性是指时间序列数据中的方差不仅与自身相关，还与过去观测值的相关性有关。

异方差自相关性可能导致在回归分析中的标准误差失效，从而产生无效的回归结果。

因此，在处理存在异方差自相关性的数据时要采取合适的修正方法。

4. 自相关性的检验方法在实证研究中，经济学家通常使用多种方法来检验数据中的自相关性，常用的方法包括：4.1 Durbin-Watson检验Durbin-Watson检验是一种常用的检验自相关性的方法，其基本思想是通过检验误差项的相关性来判断自相关是否存在。

第六章 虚拟变量的回归模型第一部分 学习目标和要求本章主要介绍虚拟变量的基本概念及其应用。

需要掌握并理解以下内容：（1） 虚拟变量的基本概念、虚拟变量分别作为解释变量和被解释变量的情形、虚拟变量回归模型的类型和解释变量个数选取规则； （2） 定量变量与不同数量定性变量（一对一、一对多和多对多）虚拟变量模型； （3） 应用虚拟变量改变回归直线的截距或斜率； （4） 分段线性回归；（5） 应用虚拟变量检验回归模型的结构稳定性、传统判别结构稳定性的方法及存在的缺陷、虚拟变量法比较两个回归方程的结构方法。

第二部分 练习题一、解释下列概念：1．虚拟变量2．方差分析模型（ANOV A ） 3．协方差模型（ANOCV A ） 4．基底5．级差截距系数 6．虚拟变量陷阱二、简要回答下列问题：1．虚拟变量在线性回归模型中的作用是什么？举例说明。

2．回归模型中虚拟变量个数的选取原则是什么？为什么？3．如果现在有月度数据，在对下面的假设进行检验时，你将引入几个虚拟变量？ A) 一年中的每月均呈现季节性波动趋势；B) 只有双数月份呈现季节性波动趋势。

4．如果现在让你着手检验上海和深圳两个股票市场在过去5年内的收益率是否有显著差异，如何使用虚拟变量进行？三、考虑如下模型：12i i i Y D u ββ=++其中，i D 对前20个观察值取0，对后30个观察值取1。

已知2()300i Var u =。

（1） 如何解释1β和2β？ （2） 这两组的均值分别是多少？（3） 已知12()15Cov ββ∧∧+=-。

如何计算12()ββ∧∧+的方差？四、考虑如下模型：12i i i i Y D X u ααβ=+++ 其中Y 代表一位大学教授的年薪； X 为从教年限； D 为性别虚拟变量。

考虑定义虚拟变量的三种方式：（1）D 对男性取值1，对女性取值0； （2）D 对女性取值1，对男性取值2； （3）D 对女性取值1，对男性取值－1；对每种虚拟变量定义解释上述回归模型。

3解:(1)样本回归方程为998792.00170.1226.793261-176283.0454750.12^t r X Y t，(2)残差图(3)DW 统计量的值734726.0DW(4)BG LM 自相关检验辅助回归式估计结果是t t t tX e e 000420.0060923.0638831.01因为84.3998223.7,84.31205.0LM ,所以LM 检验量也说明样本回归方程的误差项存在一阶正自相关。

首先估计自相关系数^，得632637.02734726.0121^DW 对原变量做广义差分变换。

令1t 632637.0t t Y Y GDY ，1t 632637.0t t X X GDX 以年1994~1975,,t t GDX GDY 为样本再次回归，得tGDX GDY 173740.0391490.0t 回归方程拟合的效果仍然比较好,651914.1DW 对于给定05.0，查表得，。

43.1,24.1U L d d 因为75.243.11651914.1DW ,依据判别规则，误差项已消除自相关。

由391490.0^*0，得06568.1632637.01/391490.01/^^*0^0则原模型的广义最小二乘估计结果是t X Y 173470.006568.1^t 。

4解：（1）样本回归方程为tGDP Y 694454.0674.2816^t（2）残差图(3)3397.0DW(4)BG LM 自相关检验辅助回归式估计结果是t t t tGDP e e 029062.07871.334985257.01因为84.309615.30,84.31205.0LM ,所以LM 检验量也说明样本回归方程的误差项存在一阶正自相关。

首先估计自相关系数^，得83015.023397.0121^DW对原变量做广义差分变换。

令1t 83015.0t t Y Y GDY ，183015.0t t tGDGDP GDP GDGDP ，以年1994~1975,,t t GDGDP GDY 为样本再次回归，得。