高铁梅老师的EVIEWS教学 定义和诊断检验学习.pptxVIP

会计学; 下面描述的每一检验过程包括假设检验的原假设定义。检验指令输出包括一个或多个检验统计量样本值和它们的联合概率值（p值）。p值说明在原假设为真的情况下，样本统计量绝对值的检验统计量大于或等于临界值的概率。这样，低的p值就拒绝原假设。例如，如果p值在和之间，原假设在5%被拒绝而不是在1%水平。切记：对每一检验都有不同假设和分布结果。例如，有些检验统计量有确切的有限的样本分布（常为t或F分布）。其它是服从近似分布的大样本检验统计量。每一检验的内容都不同，将分别描述。;§ 系数检验 ; 考虑一个一般非线性回归模型 ; Wald检验可以应用到LS，TSLS，非线性LS等模型和系统估计的方程。Wald检验是本章描述的唯一可应用到系统方法估计的方程的检验方法。 对于一个线性回归模型 ; 2、如何进行Wald系数检验 ; Cobb-Douglas生产函数估计形式如下：; 从结果看LogL和logK的系数和小于1，但为确定这种差异是统计相关的，我们常进行有约束的Wald系数检验。选择View/Coefficient Tests/Wald-Coefficient Restrictions，在编辑对话框中输入约束条件。约束条件应表示为含有估计参数和常数（不可以含有序列名）的方程，系数应表示为c(1)，c(2)等等，除非在估计中已使用过一个不同的系数向量。为检验 的规模报酬不变的假设，在对话框中输入下列约束： c(2) + c(3) = 1 单击ok，EViews显示Wald检验如下结果（原假设：约束条件有效）： ; 下面考虑检验多个约束条件的情况。例如，改变前面的C-D生产函数为非线性形式，我们估计一个如下形式的生产函数 ; 检验多个约束条件，应用逗号隔开约束条件。在方程对话框中选择View/Coefficient tests/Wald Coefficient Restrictions。在Wald检验对话框中输入如下约束条件：c(4)=0， c(5) = 0，c(6)=0，结果如下：;二、遗漏变量(Omitted Variables)检验 ; 注意： 1. 遗漏变量检验要求在原始方程中和检验方程中观测值数相等。如果要加入变量的任一序列与原方程样本相比，含有缺失观测值（当加入滞后变量时这种情况常见），检验统计量将无法建立。 2. 遗漏变量检验可应用于线性LS，TSLS，ARCH，Binary, Ordered, Censored, Truncated, Count模型估计方程。只有通过列表法列出回归因子定义方程而不能通过公式，检验才可以进行。 2、如何进行遗漏变量检验 选择View/Coefficient Tests/Omitted Variables—Likelihood Ration，在打开的对话框中，列出检验统计量名，用至少一个空格相互隔开。 ; 例如：原始回归为 ls log(q) c log(L) log(k) 。输入：K L EViews将显示含有这两个附加解释变量的无约束回归结果，而且显示原假设：新添变量系数为0 的检验统计量。输出的结果如下： ;三、冗余(Redundant Variables)变量 ;;§15.4 残差检验 ;§15.4.1 相关图和Q—统计量 显示直到定义滞后阶数的残差自相关性和偏自相关性。如果残差不存在序列相关，在各阶滞后的自相关和偏自相关值都接近于零。所有的Q-统计量不显著，并且有大的P值。在计算Q-统计量的概率时，要调整自由度来解释估计ARMA项。在方程菜单中，选择View/Residual Tests/Correlogram-Q-Statistics，显示相关图和Q-统计量。在滞后定义对话框中，定义计算相关图时所使用的滞后数。 平方残差相关图 显示直到所定义的滞后阶数的平方残差的自相关性和偏自相关性，计算出相应滞后阶数的Ljung-Box统计量。平方残差相关图可以用来检查残差自回归条件异方差性（ARCH）。如果残差中不存在ARCH，在各阶滞后自相关和偏自相关应为0，且Q统计量应不显著。可适用于使用LS，TSLS，非线性LS估计方程。显示平方残差相关图和Q-统计量，选择View/Residual Tests/Correlogram Squared Residual，在打开的滞后定义对话框，定义计算相关图的滞后数。 ;§15.4.3 直方图和正态检验 显示直方图和残差的描述统计量，包括检验正态性的Jarque-Ber