经济建模的计量检验 计量经济学 EVIEWS建模教材.pptxVIP

经济模型的检验;㈢模型的要素检验 这是针对模型的各构成要素所进行的检验，主要包括对模型的变量、残差、参数及形式等进行的检验； ㈣模型的使用检验 主要是针对模型的质量、稳定性、预测的能力等使用模型方面的检验。 二、Eviews程序中的计量检验方法 程序中为了简化了上述分析过程，合并为如下三个方面的检验程序：;Eviews中对方程的相关检验;㈠ 系数基本检验(Coefficient Tests);⒈可信椭圆检验 说明系数之间的可能性关系的图示，本案的三个椭圆图如图所示：;⒈自相关性检验(该类检验包括如下两个选项：) ⑴相关图和Q统计量(Correlogram-Q-statistics)图示如下：;相关图中的检验信息 第一，估计的自相关函数的方差近似为T-1。所以在观察相关图时，若估计的ACk的绝对值超过2个标准差(2 T-1/2)，就被认为是显著地不为零。如图中的虚线就是两倍的标准差的位置，只要图中的横柱不超出虚线，就可以认为不显著。 第二，可以正态近似，因当T充分大时，近似有： (ACk -0) / T-1/2 =ACk T1/2 ～ N (0, 1) 第三，Q统计量及其概率是在不相关的原假设下计算的，即所列概率反映着“不相关”的可能性。;⑵序列相关的拉格朗日乘数LM检验 这是一个有关残差项是否存在序列相关，及存在形式的检验。其辅助回归是对解释变量的k阶以内的滞后残差的回归。LM检验通常给出两个统计量：F统计量和T×R2统计量。F统计量是对所有滞后残差联合显著性的一种检验。T×R2统计量是LM检验统计量，是观测值个数T乘以回归方程的R2。一般情况下，T×R2统计量服从渐进的χ2(k)分布。 原假设是不存在残差项的序列自相关，其(P值)概率也是原假设成立的概率。本案结果见下页：;⒉直方图和正态性检验(Histogram-Normality Test)。该检验采用哈尔克-贝拉(Jarque-Bera) 统计进行，原假设是“变量为正态分布”，P值是原假设成立的概率。如果该值小于我们认同的显著性水平，则拒绝原假设。形式如下图所示：;⒊异方差性检验。该类检验包括如下两项内容： ⑴残差平方的相关图与偏相关图(Corralogram Squared Residuals)。这是以不存在ARCH为原假设，以P值的大小来判断其存在性的方法。 形式如下表所示：;⑵ARCH形式的LM检验; ⑶ White同方差性检?? 该检验的辅助方程有两个，一个是无交叉项的，另一个是有交叉项的。也是以P值判断。;㈢ 参数的稳定性检验(Stability Tests);⒈邹氏检验 在原假设是模型稳定能预测的前提下进行的检验： ⑴邹氏预测检验。将样本数据分为两部分，分别用来估计新方程用和用于预测检验的数据。使用时可在窗口中输入分割样本数据的时间，就可以根据P值两判断该方程的稳定性和预测能力了。 ⑵邹氏突变检验。将样本数据分为可以分别估计方程的两部分，其分界时间点可以是政策开始点或事件转变点。通过P值可以了解参数是否稳定、政策的作用是否显著。;因设定错误主要有：①解释变量缺失；②方程的形式的错设；③被解释变量的滞后、联立、及解释变量的测定等错误；这些错误都会造成X与e的相关，并表现为误差项的非零均值，所以RESET检验的假设为： H0:e~N(0,σ2I)；H1:e~N(μ,σ2I) 检验的扩展回归方程为:Y=Xβ+Zα+ε；这样原假设就等价于α=0；上述错误都会以Z的形式表现出来，所以我们的检验，只需在窗口中输入m≥1值即可。当m=1时，有Z=Yf2；当m=g时，有Z=(Yf2,Yf3,…,Yfg+1)。 否定原假设，则Z明显存在，从中可以找到原方程设定的主要错误，并进一步修正即可。;递归最小二乘法(Recursive Least squares)是不断扩大样本并逐次重新估计的动态估计方法。 令Xt-1为1到t-1期的解释变量的k×(t-1)阶矩阵，Yt-1为对应的被解释变量的向量，Bt-1为OLS估计的系数。则：Yt-1=Xt-1Bt-1+εt-1。 设Yt的预测值yt=xtTBt-1，其中xt为第t期观察值的来向量；则预测误差为：yt-xtBt-1；预测误差的方差为σ2[1+xtT(Xt-1TXt-1)-1xt]；定义递归残差为：;根据此递归残差公式可以分别计算出t=k+1,…,T期的递归残差。如果建立的模型有效，递归残差将服从独立的均值为零、方差为常数的正态分布。软件中提供了6个曲线图，菜单如下：;⑴递归残差RR 程序给出了零均值线及2个标准差的区域，如果残差落在该区域之外，说明方差的参数是不稳定的。对方程2、3、4从递归残差图上看是一个比一个好，现分别列示如下：;⑵残差累积和分布曲线CT 程序给出了零均值线及上下两条临界线所构成的区域，如果残差累积和超出这个区域