第七章有线性约束的多元线性回归模型及其假设检验金融计量浙大 蒋岳祥Word文档下载推荐.docx

第七章有线性约束的多元线性回归模型及其假设检验金融计量浙大 蒋岳祥Word文档下载推荐.docx

《第七章有线性约束的多元线性回归模型及其假设检验金融计量浙大 蒋岳祥Word文档下载推荐.docx》由会员分享，可在线阅读，更多相关《第七章有线性约束的多元线性回归模型及其假设检验金融计量浙大 蒋岳祥Word文档下载推荐.docx（12页珍藏版）》请在冰豆网上搜索。

（3）

对H0的检验我们可以将其基于沃尔德（Wald）准则：

=（4）

在假设正确时将服从自由度为J的分布（为什么?

）。

直觉上，d越大，即最小二乘满足约束的错误越大，则统计量越大，所以，一个大的值将加重对假设的怀疑。

（5）

由于σ未知，（4）中的统计量是不可用的，用s2替代σ2，我们可以导出一个F[J，（n－K）]样本统计量，令

（6）

分子是（1/J）乘（4）中的W，分母是1/（n－K）乘（5）中的幂等二次型。

所以，F是两个除以其自由度的卡方变量的比率。

如果它们是独立的，则F的分布是F[J，（n－K）]，我们前边发现b是独立于s2分布的，所以条件是满足的。

我们也可以直接推导。

利用（5）及M是幂等的这一事实，我们可以把F写为

（7）

由于

F统计量是的两个二次型的比率，由于M和T都服从正态分布且它们的协方差TM为0，所以二次型的向量都是独立的。

F的分子和分母都是独立随机向量的函数，因而它们也是独立的。

这就完成了证明。

消掉（6）中的两个σ2，剩下的是检验一个线性假设的F统计量，

（8）

我们将检验统计量

和F分布表中的临界值相比较，一个大的F值是反对假设的证据。

注意：

将wald统计量中的用去替代，相应的就将J维的卡方分布转换为维度为（J,n-K）的F分布。

第二节参数带有约束的最小二乘估计

一、带有约束的最小二乘函数

在许多问题中，要求其中的未知参数β满足某特定的线性约束条件：

Rβ=q，这里R是J×

K矩阵（J＜K），并假定它的秩为J维向量，常常希望求β的估计，使得

（9）

满足条件（9）的称为β的具有线性约束Rβ=q的最小二乘估计。

解的问题实际上是在约束条件

Rβ=q

下求

的限制极值点问题。

这个问题的一个拉格朗日解可写作

解b*和λ将满足必要条件

展开可以得到分块矩阵方程

或

Wd*=v

假定括号中的分块矩阵是非奇异的，约束最小二乘估计量

d*=W-1v

where

的解。

此外，若X′X是非奇异的，则用分块逆公式可以得到b*和λ的显示解

和

格林和西克斯（1991）表明b*的协方差矩阵简单地就是乘以W-1的左上块，在X′X是非奇异的通常情况下，再一次可以得到一个显性公式

，

这样，

（一个非负定矩阵），

Var[b*]的方差比Var[b]小的一个解释是约束条件提供了更多的信息价值。

二、对约束的检验的另一个方法

令，我们来计算新的离差平方和。

则新的离差平方和是

因为新的模型中参数的个数为k-J个，J个榆树条件是原模型中的J个参数可以被其他k-J个表示。

（此表达式中的中间项含有X′e，它是0）。

这说明我们可以将一个约束检验基于拟合的损失。

这个损失是，

这出现在前边推导的F统计量的分子上，我们得到统计量的另一个可选形式。

可选形式是

最后，以SST=除F的分子和分母，我们得到第三种形式，

由于两个模型的拟合之差直接体现在检验统计量中，这个形式具有一些直观吸引力。

[实例]对数变换生产函数

所有科布—道格拉斯模型的一般化是如下的对数变换模型，

（10）

无约束回归的结果在表1中给出。

表1无约束回归的结果

回归标准误差

0.17994

残差平方和

0.67993

R平方

0.95486

调整R平方

0.94411

变量

系数

标准误差

t值

常数项

0.944216

2.911

0.324

LnL

3.61363

1.548

2.334

LnK

－1.89311

1.016

－1.863

－0.96406

0.7074

－1.363

0.08529

0.2926

0.291

lnL×

lnK

0.31239

0.4389

0.71

系数估计量的估计协方差矩阵

lnL

Ln2L/2

Ln2K/2

8.472

－2.388

2.397

－0.3313

－1.231

1.033

－0.08760

－0.6658

0.5231

0.5004

0.2332

0.03477

0.02637

0.1467

0.08562

0.3635

0.1831

－0.2255

－0.2880

－0.1160

0.1927

考虑了约束条件的模型就可以得到科布一道格拉斯模型：

（11）

这是一个条件约束下的无条件的多元线性回归模型。

就可以用一般线性回归的方法求解模型。

假如我们通过有约束条件下的无条件的多元线性回归模型得到：

，而且n－K=21，则科布—道格拉斯模型假设的F统计量是

查自F分布表的5%临界值是3.07，所以我们不能拒绝科布—道格拉斯模型是适当的这一假设。

考虑了约束条件和条件的模型就是满足规模效应的科布—道格拉斯生产函数。

这个模型可以推导如下：

（12）

查自F分布表的5%临界值是2.85，所以我们不能拒绝科布—道格拉斯模型是规模效应的生产函数的这一假设。

第三节结构变化与邹至庄检验

（StructureChangeandChou-Test）

一、问题提出

我们经常碰到这样的问题。

某项政策的出台及实施，其效果如何？

不同地区或不同时期内，我们分别可以得到这两个地区或时期的观测值，我们的问题是：

这两个地区或时期的情况是否不同，经济结构有无差异。

这类问题，被华人经济学家邹至庄用构造的F检验解决了（1960年）。

这样的F检验的统计量，就称为邹至庄检验（Chou-Test）。

二、问题的模型表述

设分别表示这两个时期的观测值，允许两个时期中系数不同的无约束回归是，我们可以将其改写成一个回归方程

……

（1）

即模型，其中Y=，Z=，β=，ε=。

上述问题就转换成检验的问题。

我们可以用两种方式来处理问题

一）用约束条件，来检验。

是更一般约束条件Rβ=q的一个特殊形式，其中R=（I,-I）和q=0。

这个直接可以从基于Wald统计量的带约束条件的F检验得到。

（请自己推导）。

例题：

用约束条件下，F检验推导出邹至庄检验的表达式：

解：

在约束条件Rβ=q下，F检验

。

而邹至庄检验时约束条件Rβ=q的一种特殊形式，即R=（I,-I），而q=0，也即等同于条件。

（有2k个参数，并且是有k个约束）。

故

服从F（）的分布。

另外，在考虑了约束条件后，我们可以将模型

（1）改写成一个无约束的新的回归方程

，即

即无约束的线性模型模型，其中Y=，Z=，β=，ε=。

假如模型

（2）的残差平方和是，在假设条件下，我们可以得到F统计量可更简单地表示为：

二）更直接、更容易的一个处理是将约束直接构造进模型中，若两个系数向量相同，则模型

（1）就转换为：

……

（2）

由此我们推导出可以检验的邹至庄统计量Chou-Test。

从模型

（1）中，我们可以得到无约束最小二乘估计量是

则……（3）

对于有约束条件限制的模型

（2）

则……（4）

问服从何分布？

首先证明：

故而且

同样是幂等矩阵

故且与

是独立的，所以

这个就是邹至庄检验统计量（Chou-Test）。