Hausman檢驗(yàn)與模型選擇統(tǒng)計(jì)量_第1頁(yè)
Hausman檢驗(yàn)與模型選擇統(tǒng)計(jì)量_第2頁(yè)
Hausman檢驗(yàn)與模型選擇統(tǒng)計(jì)量_第3頁(yè)
Hausman檢驗(yàn)與模型選擇統(tǒng)計(jì)量_第4頁(yè)
Hausman檢驗(yàn)與模型選擇統(tǒng)計(jì)量_第5頁(yè)
已閱讀5頁(yè),還剩4頁(yè)未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

Hausman檢驗(yàn)Hausman檢驗(yàn)的差不多思想是:由于在遺漏相關(guān)變量的情況下,往往導(dǎo)致解釋變量與隨機(jī)擾動(dòng)項(xiàng)出現(xiàn)同期相關(guān)性,即,外生性條件不滿足,從而使得OLS可能量有偏且非一致。因此,對(duì)模型遺漏相關(guān)變量的檢驗(yàn)?zāi)軌蛴媚P褪欠癯霈F(xiàn)解釋變量與隨機(jī)擾動(dòng)項(xiàng)同期相關(guān)性的檢驗(yàn)來(lái)替代。我們明白,當(dāng),或者解釋變量與隨機(jī)擾動(dòng)項(xiàng)同期相關(guān)時(shí),采納工具變量法(IV)可得到參數(shù)的一致可能量;當(dāng)解釋變量與隨機(jī)擾動(dòng)項(xiàng)同期無(wú)關(guān)時(shí),OLS可能量為參數(shù)的一致可能量。因此,只須檢驗(yàn)IV可能量與OLS可能量是否存在顯著的差異性,以檢驗(yàn)解釋變量與隨機(jī)擾動(dòng)項(xiàng)是否同期無(wú)關(guān),進(jìn)而判不模型是否存在著遺漏相關(guān)變量的情況。Hausman檢驗(yàn)在原假設(shè)條件下,IV可能量與LS可能量差不多上一致的,而在備擇假設(shè)中,只有IV可能量是一致的。若外生性條件確定滿足時(shí),我們更傾向于使用LS可能量;而當(dāng)外生性條件不確定滿足時(shí),就需要使用IV可能量。令,則H檢驗(yàn)統(tǒng)計(jì)量為一個(gè)Wald統(tǒng)計(jì)量:能夠證明得到。則若拒絕原假設(shè)則需要選用IV可能量。模型選擇統(tǒng)計(jì)量我們明白,隨著模型中變量個(gè)數(shù)的增加,殘差平方和將減小,擬合優(yōu)度增加,但自由度減少。和指標(biāo)的提出差不多上為了權(quán)衡減小和自由度丟失兩個(gè)方面,是模型選擇中最常用的標(biāo)準(zhǔn)。近年來(lái),若干模型選擇的標(biāo)準(zhǔn)相繼面世。這些標(biāo)準(zhǔn)所采納的的形式均為殘差平方和與具有懲處意義的自由度因子(表征模型設(shè)定復(fù)雜度)的乘積。其中,赤池(1970,1974)提出了有限預(yù)測(cè)誤差(FPE)和赤池信息準(zhǔn)則(AIC);漢南(Hannan)和奎因(Quinn)的HQ準(zhǔn)則;許瓦茲準(zhǔn)則(SCHWARZ);施巴塔準(zhǔn)則(Shibata);賴斯準(zhǔn)則(RICE);廣義交叉確認(rèn)準(zhǔn)則(GCV)等。下表是關(guān)于各類不同標(biāo)準(zhǔn)的總結(jié)。這些統(tǒng)計(jì)量也被稱為模型選擇統(tǒng)計(jì)量。SGMASQHQAICRICEFPESCHWARZGCVSHIBATA理想情況是,我們所設(shè)定的模型,在上述各科統(tǒng)計(jì)量中,與其他模型相比較,有著較小的檢驗(yàn)統(tǒng)計(jì)值。換言之,模型選擇的標(biāo)準(zhǔn)為,上述各個(gè)模型選擇統(tǒng)計(jì)量具有較小的統(tǒng)計(jì)值。各個(gè)統(tǒng)計(jì)量的推導(dǎo)不作要求??紤]題1、假設(shè)真實(shí)的模型為:,若遺漏變量,討論可能量的無(wú)偏性。若我們關(guān)懷的不是回歸參數(shù),而是的預(yù)測(cè)值,遺漏變量是否帶來(lái)偏誤?若是的線性函數(shù),結(jié)論是如何樣的?2、證明:有約束的統(tǒng)計(jì)量絕可不能比無(wú)約束的統(tǒng)計(jì)量大,加入約束條件不能提高模型的擬合優(yōu)度。(提示:從RSS入手。)3、對(duì)一個(gè)常數(shù)、和的多元回歸結(jié)果如下:,=8/60,,模型滿足古典的假設(shè)條件,依照這些結(jié)果,檢驗(yàn)兩個(gè)斜率之和為1的假設(shè)。Wald檢驗(yàn)、拉格朗日乘數(shù)檢驗(yàn)和似然比檢驗(yàn)差不多思路:(1)沃爾德檢驗(yàn)關(guān)于回歸模型的參數(shù)約束而言,能夠是線性約束也能夠是非線性約束。設(shè),采納ML可能,有:則:故當(dāng)成立時(shí),有:Wald檢驗(yàn)統(tǒng)計(jì)量為:其中,是無(wú)約束條件下的參數(shù)可能向量。在和大樣本條件下,W遵從自由度等于約束個(gè)數(shù)的卡方分布。其中,約束個(gè)數(shù)是指約束方程的個(gè)數(shù)。(2)似然比檢驗(yàn)差不多思想設(shè)總體的密度函數(shù)(或分布列)為,為未知參數(shù),,現(xiàn)考慮如下的檢驗(yàn)問(wèn)題:,(1)其中與是非空子集,且與不相交,下面為方便起見(jiàn),討論與之并為的情況。設(shè)是來(lái)自的樣本,記其似然函數(shù)為,與分不是的參數(shù)空間與上的極大似然可能,似然函數(shù)在與上的極大值分不記為與,即和,記其比值為:(2)其中,是一個(gè)統(tǒng)計(jì)量,由于范圍越大L的最大值可不能減少,故總有,這意味著。由于似然函數(shù)能夠看成是給定樣本后,出現(xiàn)可能性的一種度量。設(shè)的密度函數(shù)為,為階的未知參數(shù)向量,,。分三種情形討論1.,;2.,;3.,;①簡(jiǎn)單假設(shè)情形:,則有:當(dāng)成立時(shí),有:,且的拒絕域?yàn)椋?。②?fù)合假設(shè)情形:,其中:是的向量,與是一一對(duì)應(yīng),連續(xù)。由于為的極大似然可能,則:,可得:因此,。③一般情形:,則有檢驗(yàn)統(tǒng)計(jì)量(3)拉格朗日乘數(shù)檢驗(yàn)差不多思想由于在非限制條件下,滿足,即在處為0。若成立,則也應(yīng)在0附近??紤]到和均為的一致性可能,有約束條件下的對(duì)數(shù)似然函數(shù)為因而,有。此乃拉格朗日乘數(shù)檢驗(yàn):若成立,則;則可依據(jù)構(gòu)造檢驗(yàn)統(tǒng)計(jì)量,得到給定顯著水平條件下的拒絕

溫馨提示

  • 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 人人文庫(kù)網(wǎng)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

評(píng)論

0/150

提交評(píng)論