关于模型诊断与检验.doc

关于模型诊断与检验 ? 1．动态分布滞后模型与一般到特殊建模法 最常见的动态分布滞后模型是ADL (1, 1) 和ADL (2, 2) ， yt = (0 + (1 yt-1 + (0 xt + (1 xt-1 + ut , ut ( IID (0, ( 2 ), (5.9) 和 yt = (0 + (1 yt-1 + (2 yt-2 + (0 xt + (1 xt-1 + (2 xt-2 + ut , ut ( IID (0, ( 2 ) 通过对(0 , (0 和 (1 施加约束条件，从ADL模型（5.9）可以得到许多特殊的经济模型。下面以9种约束条件为例，给出特定模型如下： （1）当 (1 = (1 ( 0 成立，摸型（5.9）变为 yt = (0 ( (0 xt + ut . (5.11) 这是一个静态回归模型。 （2）当 (0= (1= 0时，由模型（5.9）得 yt = (0 + (1 yt-1 + ut . (5.12) 这是一阶自回归模型。 （3）当 (1 ( (0 = 0 时，则有 yt = (0 + (1 xt-1 + ut . (5.13) xt-1是yt的超前指示变量。此模型称为前导模型。 （4）当约束条件是 (1 ((，(1 ( - (0 时，（5.9）式变为 ( yt = (0 + (0 ( xt + ut . (5.14) 这是一个一阶差分模型。当xt与yt为对数形式时，上述模型为增长率模型。 （5）若 (1 = 0成立，模型（5.9）则变为一阶分布滞后模型。 yt = (0 + (0 xt + (1 xt - 1 + ut . (5.15) (6) 取 (1 ( 0，则模型（5.9）变为标准的局部调整模型（偏调整模型）。 yt = (0 + (1 yt -1 + (0 xt + ut. (5.16) (7) 当 (0 ( 0 时，由模型（5.9）得 yt = (0 + (1 yt -1 + (1 xt -1 + ut . (5.17) 模型中只有变量的滞后值作解释变量，yt的值仅依靠滞后信息。这种模型称为“盲始”模型。 （8）给定 (1 ( - (1 ，模型（5.9）化简为 yt = (0 + (1 ( yt-1 - xt-1 ) + (0 xt + ut (5.18) 此模型称为比例响应模型。解释变量为xt与 ( yt-1- xt-1)。 以上所列举的例子说明实际上许多有特殊经济意义的模型都是由一个一般的ADL模型化简得到的。这种建立模型的方法是首先从一个包括了尽可能多解释变量的“一般”ADL模型开始，通过检验回归系数的约束条件逐步剔除那些无显著性变量，压缩模型规模，（在这个过程中要始终保持模型随机误差项的非自相关性。）最终得到一个简化（或“特殊”）的模型。这种方法称为“一般到特殊”建模法。也称作亨德里（Hendry）建模法。 模型若丢失重要解释变量将导致回归系数的OLS估计量丧失无偏性和一致性。“一般到特殊”建模法的主要优点是能够把由于选择变量所带来的设定误差减到最小。因为在初始模型中包括了许多变量，所以不会使回归系数的OLS估计量存在丢失变量误差。虽然因为在初始模型中包括了许多非重要解释变量，从而使回归参数估计量缺乏有效性，但随着检验约束条件的继续，那些非重要的解释变量被逐步剔除掉，从而使估计量缺乏有效性的问题得到解决。 ? 2．检验方法与统计量 （1）回归函数的F检验。 多元回归模型， yt = (0 +(1xt1 + (2xt2 +…+ (k- 1xt k -1 + ut , (1) H0：(1= (2 = … = (k-1 = 0