应用统计与计量模型第7讲1ppt课件.ppt

应用统计与计量模型 第7讲模型的拟合与诊断 2020 3 27 第7讲模型的拟合与诊断 一 由一般到特殊的模型构建 ADLAutoregressiveDistributedLagmodel 首先 从一个包括了尽可能多解释变量的 一般 自回归分布滞后模型ADL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 压缩模型规模最终得到一个简化的模型 这种方法称为 一般到特殊 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 2020 3 27 第7讲模型的拟合与诊断 最常见的是ADL 1 1 和ADL 2 2 yt 0 1yt 1 0 xt 1xt 1 ut ut IID 0 2 和yt 0 1yt 1 2yt 2 0 xt 1xt 1 2xt 2 ut ut IID 0 2 通过对 0 0和 1施加约束条件 从ADL模型可以得到许多特殊的经济模型 2020 3 27 第7讲模型的拟合与诊断 当 1 1 0成立 模型ADL 1 1 变为yt 0 0 xt ut这是一个简单的一元回归模型 当 0 1 0时 由模型ADL 1 1 得yt 0 1yt 1 ut这是一阶自回归模型 当 1 0 0时 则有yt 0 1xt 1 utxt 1是yt的超前指示变量 领先指标 此模型称为前导模型 2020 3 27 第7讲模型的拟合与诊断 当约束条件是 1 1 0时 ADL 1 1 式变为 yt 0 0 xt ut这是一阶差分模型 当xt与yt为对数形式时 上述模型为增长率 收益率 模型 若 1 0成立 模型ADL 1 1 则变为一阶分布滞后模型 yt 0 0 xt 1xt 1 ut取 1 0 则模型ADL 1 1 变为标准的局部调整模型 偏调整模型 yt 0 1yt 1 0 xt ut 2020 3 27 第7讲模型的拟合与诊断 当 0 0时 由模型ADL 1 1 得yt 0 1yt 1 1xt 1 ut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 给定 1 1 模型ADL 1 1 化简为yt 0 1 yt 1 xt 1 0 xt ut此模型称为比例响应模型 解释变量为xt与 yt 1 xt 1 2020 3 27 第7讲模型的拟合与诊断 前面只考虑最简单的线性条件下的动态分布滞后模型作为一般模型构建的出发点 实际上非线性的情况才是一般 线性则是特殊 所以考虑自变量与因变量之间的非线性可能 以非线性的动态分布滞后模型作为构建模型的出发点 显然更具有一般性 例如 从ADL 1 1 出发yt 0 1yt 1 0 xt 1xt 1 2Log xt 3x2t 4x3t 5 1 xt ut到这里只考虑一个自变量的情况 而更一般是多变量的场合 2020 3 27 第7讲模型的拟合与诊断 以非线性的动态分布滞后模型作为构建模型的出发点 显然会损失过多的自由度 对数据的要求更高 信息量测度Akaikeinfocriterion赤池信息量准则 AIC Schwarzcriterion SIC SBIC Bayesianinformationcriterion BIC 模型的多样性 单个变量和变量线性组合的差异 模型的经济解释和理论支撑 2020 3 27 第7讲模型的拟合与诊断 二 模型的检验量F检验量t检验量偏度 skewnessSK 和峰度 kurtosisK 正态性检验的JB Jarque Bera 统计量 2020 3 27 第7讲模型的拟合与诊断 1 回归函数的F检验 多元回归模型 y 0 1x1 2x2 3x3 k 1xk 1 uH0 1 2 3 k 1 0 H1 j不全为零F F k 1 n k 注意 SSR指回归平方和 regressionsumofsquares 也有表示残差平方和 sumofsquaredresiduals SSE指残差平方和 errorsumofsquares sumofsquarederrors 也有表示回归平方和 explainedsumofsquares 若F F k 1 n k 接受H0 若F F k 1 n k 拒绝H0 2020 3 27 第7讲模型的拟合与诊断 度 2020 3 27 第7讲模型的拟合与诊断 以江苏省公路里程数据为例 2020 3 27 第7讲模型的拟合与诊断 2 回归参数的t检验 对于多元回归模型 y 0 1x1 2x2 3x3 k 1xk 1 u 如果F检验的结论是接受原假设 则检验止 如果F检验的结论是拒绝原假设 则进一步作t检验 H0 j 0 H1 j 0 j 1 2 k 1 t t n k 若 t t n k 接受H0 若 t t n k 拒绝H0 2020 3 27 第7讲模型的拟合与诊断 以江苏省公路里程数据为例 2020 3 27 第7讲模型的拟合与诊断 3 调整后的拟合优度R2 以江苏省公路里程数据为例 2020 3 27 第7讲模型的拟合与诊断 4 稳定性检验邹突变点检验 ChowBreakpointTests 突变点检验由邹至庄1960年提出 当研究同一问题 在不同时段得到两个子样本时 需要考察两个不同时段的回归系数是否相同 即回归系数在不同时段是否稳定 当然这一检验也适用于两个截面样本的情形 2020 3 27 第7讲模型的拟合与诊断 则所用统计量定义为F F k n 2k 检验规则是若FF k n 2k 拒绝H0 回归系数有显著性变化 示例 2020 3 27 度 2020 3 27 度 2020 3 27 2020 3 27 度 以江苏省公路里程数据为例 2020 3 27 第7讲模型的拟合与诊断 5 自相关的LM检验 亦称BG检验 BG检验的特点是既可检验一阶自相关 也可检验高阶自相关 BG检验由Breusch Godfrey提出 BG检验是通过一个辅助回归式完成的 属于LM统计量 辅助回归式 H0 1 2 n 0计算判定系数R2 构造LM统计量 LM nR2若LM nR2 2 n 接受H0 若LM nR2 2 n 拒绝H0 2020 3 27 第7讲模型的拟合与诊断 6 异方差的White检验White检验由H White1980年提出 White检验的原理属于LM检验 White检验不需要对观测值排序 也不依赖于随机误差项服从正态分布 它是通过一个辅助回归式构造 2统计量进行异方差检验 White检验的具体步骤如下 以二元回归模型为例 yt 0 1xt1 2xt2 ut 首先对上式进行OLS回归 求残差 做如下辅助回归式 即用对原回归式中的各解释变量 解释变量的平方项 交叉积项进行OLS回归 注意 上式中要保留常数项 求辅助回归式的判定系数R2 2020 3 27 第7讲模型的拟合与诊断 White检验的零假设和备择假设是H0 ut不存在异方差 H1 ut存在异方差 在不存在异方差假设条件下统计量nR2 2 5 其中n表示样本容量 R2是辅助回归式 33 的OLS估计式的判定系数 自由度5表示辅助回归式 33 中解释变量项数 不计算常数项 判别规则是若nR2 2 5 接受H0 ut具有同方差 若nR2 2 5 拒绝H0 ut具有异方差 2020 3 27 第7讲模型的拟合与诊断 以横截面的财务数据为例 2020 3 27 第7讲模型的拟合与诊断 2020 3 27 第7讲模型的拟合与诊断 2020 3 27 第7讲模