正态及白噪声检验 计量经济学 EVIEWS建模课件.pptxVIP

误差项的正态性及白噪声检验一、误差项的正态或白噪声分布假设二、正态性检验的方法三、白噪声检验的方法四、案例分析一、白噪声假设在静态模型中，我们常假设误差项是服从正态分布的，即误差序列ui～N(0,σ2)；而在动态的时序数据模型中，我们假定误差项是服从白噪声分布的，即误差向量εt～iidN(0,σ2)。在模型设定科学合理的情况下，上述假设是成立的。所以对残差项的检验是模型设定科学合理的必要条件，对其所进行的检验也是必需的。本节主要介绍常用的JB检验和相关图检验方法。二、正态性检验利用哈尔克-贝拉(Jarque-Bera)统计量对残差项进行描述性统计，并检验其正态性原假设。JB统计量的计算式为：其中：S为偏度，K为峰度，k是序列估计式中参数的个数。一般在检验时使用JB统计量与卡方分布的临界值比较进行，即当JB＞χ20.05(k)卡方临界值时否定正态原假设。EViews对残差的正态检验程序Eviews中利用JB统计量对序列的正态性假设进行检验的内容，如下图中最后两行数据所示。其概率值是原假设为正态时，原假设成立的概率。这里JB=40.39＞χ20.05(4)=9.488，也必然否定原假设。三、自噪声的检验自噪声的检验需要在正态性检验的基础上，利用相关图和Q统计量(Correlogram-Q-statistics)来进行。该检验是对正态序列进行自相关和偏自相关函数计算，并就各滞后阶计算Q检验统计量，以确定“无此阶自相关”假设成立的概率(P值)。Q的计算式为：其中：rj是残差序列的j 阶自相关系数，T是观测值的个数，p是设定的滞后阶数。图示如下页所示：㈠对残差的独立性的检验在Eviews秩序中，方程对象中的残差独立性检验检验的结果见下页图表如果选定滞后期为9，则检验的例图如下：从图上可见：该残差存在一阶自相关，可以AR(1)因素，或以消费的一阶滞后来修改原模型。㈡对残差平方的独立性检验残差平方的独立性检验结果图返回四、案例分析这是哈尔滨市的统计资料，其中：GDZBXC为固定资本形成ECCY为二产业从业人数且已通过了同方差和自相关等检验。 残差的正态性检验图