模型的診斷與檢驗課件

模型的診斷與檢驗26、我們像鷹一樣，生來就是自由的，但是為了生存，我們不得不為自己編織一個籠子，然后把自己關(guān)在里面。——博萊索27、法律如果不講道理，即使延續(xù)時間再長，也還是沒有制約力的?！獝邸た瓶?8、好法律是由壞風(fēng)俗創(chuàng)造出來的?！R克羅維烏斯29、在一切能夠接受法律支配的人類的狀態(tài)中，哪里沒有法律，那里就沒有自由。——洛克30、風(fēng)俗可以造就法律，也可以廢除法律。——塞·約翰遜模型的診斷與檢驗?zāi)Ｐ偷脑\斷與檢驗26、我們像鷹一樣，生來就是自由的，但是為了生存，我們不得不為自己編織一個籠子，然后把自己關(guān)在里面?！┤R索27、法律如果不講道理，即使延續(xù)時間再長，也還是沒有制約力的。——愛·科克28、好法律是由壞風(fēng)俗創(chuàng)造出來的。——馬克羅維烏斯29、在一切能夠接受法律支配的人類的狀態(tài)中，哪里沒有法律，那里就沒有自由?！蹇?0、風(fēng)俗可以造就法律，也可以廢除法律?！ぜs翰遜第11章模型的診斷與檢驗11.1模型總顯著性的F檢驗（已講過）11.2模型單個回歸參數(shù)顯著性的t檢驗（已講過）11.3檢驗若干線性約束條件是否成立的F檢驗11.4似然比（LR）檢驗11.5沃爾德（Wald）檢驗11.6拉格朗日乘子（LM）檢驗11.7鄒（Chow）突變點檢驗（不講）11.8JB（Jarque-Bera）正態(tài)分布檢驗（不講）11.9格蘭杰（Granger）因果性檢驗（不講）（第3版252頁）在建立模型過程中，要對模型參數(shù)以及模型的各種假定條件作檢驗。這些檢驗要通過運用統(tǒng)計量來完成。在第2章和第3章已經(jīng)介紹過檢驗單個回歸參數(shù)顯著性的t統(tǒng)計量和檢驗?zāi)Ｐ蛥?shù)總顯著性的F統(tǒng)計量。在第5章介紹了模型誤差項是否存在異方差的Durbin-Watson檢驗、White檢驗；在第6章介紹了模型誤差項是否存在自相關(guān)的DW檢驗和BG檢驗。本章開始先簡要總結(jié)模型參數(shù)總顯著性的F檢驗、單個回歸參數(shù)顯著性的t檢驗。然后再介紹幾個在建模過程中也很常用的其他檢驗方法。他們是檢驗?zāi)Ｐ腿舾删€性約束條件是否成立的F檢驗和似然比（LR）檢驗、Wald檢驗、LM檢驗、JB檢驗以及Granger非因果性檢驗。第11章模型的診斷與檢驗?zāi)Ｐ偷脑\斷與檢驗26、我們像鷹一樣，生來就是自由的，但是為了1模型的診斷與檢驗課件2模型的診斷與檢驗課件3模型的診斷與檢驗課件4模型的診斷與檢驗課件5

11.3檢驗若干線性約束條件是否成立的F檢驗（第3版254頁）11.3檢驗若干線性約束條件是否成立的F檢驗（第3版26例11.1：建立中國國債發(fā)行額模型。首先分析中國國債發(fā)行額序列的特征。1980年國債發(fā)行額是43.01億元，占GDP當(dāng)年總量的1%，2001年國債發(fā)行額是4604億元，占GDP當(dāng)年總量的4.8%。以當(dāng)年價格計算，21年間（1980-2001）增長了106倍。平均年增長率是24.9%。中國當(dāng)前正處在社會主義市場經(jīng)濟體制逐步完善，宏觀經(jīng)濟運行平穩(wěn)階段。國債發(fā)行總量應(yīng)該與經(jīng)濟總規(guī)模，財政赤字的多少，每年的還本付息能力有關(guān)系。11.3檢驗若干線性約束條件是否成立的F

檢驗（第3版254頁）例11.1：建立中國國債發(fā)行額模型。11.3檢驗若干線性約7

例11.1：建立中國國債發(fā)行額模型選擇3個解釋變量，國內(nèi)生產(chǎn)總值，財政赤字額，年還本付息額，根據(jù)散點圖建立中國國債發(fā)行額模型如下：

DEBTt=0

+1GDPt

+2DEFt

+3REPAYt

+ut其中DEBTt表示國債發(fā)行總額（單位：億元），GDPt表示年國內(nèi)生產(chǎn)總值（單位：百億元），DEFt表示年財政赤字額（單位：億元），REPAYt表示年還本付息額（單位：億元）。

（第3版255頁）例11.1：建立中國國債發(fā)行額模型選擇3個解釋變量，8用19802001年數(shù)據(jù)得輸出結(jié)果如下；DEBTt=4.31

+0.35

GDPt

+1.00

DEFt

+0.88

REPAYt

(0.2)(2.2)(31.5)(17.8)R2=0.999,DW=2.12,T=22,SSEu=48460.78,(1980-2001)是否可以從模型中刪掉DEFt和REPAYt呢？可以用F統(tǒng)計量完成上述檢驗。原假設(shè)H0是3=4=0（約束DEFt和REPAYt的系數(shù)為零）。給出約束模型估計結(jié)果如下，DEBTt=-388.40

+4.49

GDPt

(-3.1)(17.2)R2=0.94,DW=0.25,T=22,SSEr=2942679,(1980-2001)已知約束條件個數(shù)m=2，T-k-1=18。SSEu=48460.78，SSEr=2942679。因為F=537.5>>F(2,18)=3.55，所以拒絕原假設(shè)。不能從模型中刪除解釋變量DEFt和REPAYt。（第3版256頁）例11.1：建立中國國債發(fā)行額模型用19802001年數(shù)據(jù)得輸出結(jié)果如下；（第3版256頁）9EViews可以有三種途徑完成上述F檢驗。（1）在輸出結(jié)果窗口中點擊View，選CoefficientTests,WaldCoefficientRestrictions功能（Wald參數(shù)約束檢驗），在隨后彈出的對話框中填入c(3)=c(4)=0?？傻萌缦陆Y(jié)果。其中F=537.5。例11.1：建立中國國債發(fā)行額模型（第3版256頁）EViews可以有三種途徑完成上述F檢驗。例11.1：建立中10

（2）在非約束模型輸出結(jié)果窗口中點擊View，選CoefficientTests,RedundantVariables-LikelihoodRatio功能（模型中是否存在多余的不重要解釋變量），在隨后彈出的對話框中填入GDP，DEF。可得計算結(jié)果F=537.5。（3）在約束模型輸出結(jié)果窗口中點擊View，選CoefficientTests,OmittedVariables-LikelihoodRatio功能（模型中是否丟了重要的解釋變量），在隨后彈出的對話框中填入擬加入的解釋變量GDP，DEF?？傻媒Y(jié)果F=537.5。例11.1：建立中國國債發(fā)行額模型（第3版256頁）（2）在非約束模型輸出結(jié)果窗口中點擊View，選Co11

11.4似然比（LR）檢驗（第3版257頁）11.4似然比（LR）檢驗（第3版257頁）1211.4似然比（LR）檢驗（第3版258頁）11.4似然比（LR）檢驗（第3版258頁）13

似然比（LR）檢驗的EViews操作有兩種途徑。（1）在非約束模型估計結(jié)果窗口中點擊View，選CoefficientTests,RedundantVariables-LikelihoodRatio功能（模型中是否存在多余的不重要解釋變量），在隨后彈出的對話框中填入GDP，DEF?？傻媒Y(jié)果。其中LR（Loglikelihoodratio）=90.34，與上面的計算結(jié)果相同。（2）在約束模型估計結(jié)果窗口中點擊View，選CoefficientTests,OmittedVariables-LikelihoodRatio功能（模型中是否丟了重要的解釋變量），在隨后彈出的對話框中填入擬加入的解釋變量GDP，DEF?？傻媒Y(jié)果。其中LR（Loglikelihoodratio）=90.34，與上面的計算結(jié)果相同。11.4似然比（LR）檢驗似然比（LR）檢驗的EViews操作有兩種途徑。11.41411.5沃爾德（Wald）檢驗（第3版259頁）11.5沃爾德（Wald）檢驗（第3版259頁）1511.5沃爾德（Wald）檢驗（第3版260頁）11.5沃爾德（Wald）檢驗（第3版260頁）16

11.5沃爾德（Wald）檢驗（第3版260頁）11.5沃爾德（Wald）檢驗（第3版260頁）1711.5沃爾德（Wald）檢驗（第3版261頁）在原假設(shè)12=3成立條件下，W統(tǒng)計量漸近服從

(1)分布。11.5沃爾德（Wald）檢驗（第3版261頁）在原假設(shè)1811.5沃爾德（Wald）檢驗（第3版262頁）11.5沃爾德（Wald）檢驗（第3版262頁）1911.5沃爾德（Wald）檢驗（第3版263頁）11.5沃爾德（Wald）檢驗（第3版263頁）2011.5沃爾德（Wald）檢驗（第3版263頁）11.5沃爾德（Wald）檢驗（第3版263頁）21在(11.20)式窗口中點擊View，選CoefficientTests,Wald-CoefficientRestrictions功能，并在隨后彈出的對話框中填入C(2)/C(3)=0.5，得輸出結(jié)果如圖11.7。其中2=0.065即是Wald統(tǒng)計量的值。上式W=0.075與此略有出入。因為W=0.065對應(yīng)的概率大于0.05，說明統(tǒng)計量落在原假設(shè)的接收域。結(jié)論是接受原假設(shè)（約束條件成立）。11.5沃爾德（Wald）檢驗（第3版263頁）在(11.20)式窗口中點擊View，選Coefficien2211.6拉格朗日乘子（LM）檢驗拉格朗日（Lagrange）乘子（LM）檢驗只需估計約束模型。所以當(dāng)施加約束條件后模型形式變得簡單時，更適用于這種檢驗。LM乘子檢驗可以檢驗線性約束也可以檢驗非線性約束條件的原假設(shè)。對于線性回歸模型，通常并不是拉格朗日乘子統(tǒng)計量（LM）原理計算統(tǒng)計量的值，而是通過一個輔助回歸式計算LM統(tǒng)計量的值。（第3版264頁）11.6拉格朗日乘子（LM）檢驗拉格朗日（Lagrang23（第3版第265頁）11.6拉格朗日乘子（LM）檢驗LM檢驗的輔助回歸式計算步驟如下：

(1)

確定LM輔助回歸式的因變量。用OLS法估計約束模型，計算殘差序列，并把作為LM輔助回歸式的因變量。

(2)

確定LM輔助回歸式的解釋變量。例如非約束模型如下式,yt=0+1x1t+2x2t+…+k

xkt

+ut

把上式改寫成如下形式ut=yt-0-1x1t-2x2t-…-k

xkt

則LM輔助回歸式中的解釋變量按如下形式確定。-,j=0,1,…,k.對于非約束模型（11.26），LM輔助回歸式中的解釋變量是1,x1t,x2t,…,xkt。第一個解釋變量1表明常數(shù)項應(yīng)包括在LM輔助回歸式中。（第3版第265頁）11.6拉格朗日乘子（LM）檢驗LM2411.6拉格朗日乘子（LM）檢驗(3)建立LM輔助回歸式，=+1x1t+2x2t+…+k

xkt+vt,其中由第一步得到。(4)

用OLS法估計上式并計算可決系數(shù)R2。(5)

用第四步得到的R2計算LM統(tǒng)計量的值。LM=TR2其中T表示樣本容量。在零假設(shè)成立前提下，TR2漸近服從m個自由度的2(m)分布，(m)LM=TR2

2(m)其中m表示約束條件個數(shù)。（第3版265頁）11.6拉格朗日乘子（LM）檢驗(3)建立LM輔助回2511.6拉格朗日乘子（LM）檢驗（第3版266頁）11.6拉格朗日乘子（LM）檢驗（第3版266頁）2611.6拉格朗日乘子（LM）檢驗11.7鄒（Chow）突變點檢驗（不講）11.8JB（Jarque-Bera）正態(tài)分布檢驗（不講）（第3版267頁）11.6拉格朗日乘子（LM）檢驗11.7鄒（Chow）2711.9格蘭杰（Granger）因果性檢驗（不講）（第3版277頁）11.9格蘭杰（Granger）因果性檢驗（不講）（第3版28（第3版278頁）11.9格蘭杰（Granger）因果性檢驗（不講）（第3版278頁）11.9格蘭杰（Granger）因果性檢29注意：（1）“格蘭杰因果性”的正式名稱應(yīng)該是“格蘭杰非因果性”。只因口語都希望簡單，所以稱作“格蘭杰因果性”。（2）為簡便，通?？偸前褁t-1對yt存在（或不存在）格蘭杰因果關(guān)系表述為xt（去掉下標-1）對yt存在（或不存在）格蘭杰因果關(guān)系（嚴格講，這種表述是不正確的）。（3）格蘭杰因果關(guān)系與哲學(xué)意義的因果關(guān)系還是有區(qū)別的。如果說“xt

是yt的格蘭杰原因”只是表明“xt中包括了預(yù)測yt的有效信息”。（4）這個概念首先由格蘭杰（Granger）在1969年提出。（第3版278頁）11.9格蘭杰（Granger）因果性檢驗（不講）注意：（第3版278頁）11.9格蘭杰（Granger）因30例11.8：以661天（1999年1月4日至2001年10月5日）的上證綜指（SHt）和深證成指（SZt）數(shù)據(jù)為例，進行雙向的Granger非因果性分析。兩個序列存在高度的相關(guān)關(guān)系，那么兩個序列間可能存在雙向因果關(guān)系，也有可能存在單向因果關(guān)系。（第3版278頁）11.9格蘭杰（Granger）因果性檢驗（不講）例11.8：以661天（1999年1月4日至2001年1031（第3版279頁）11.9格蘭杰（Granger）因果性檢驗（不講）（第3版279頁）11.9格蘭杰（Granger）因果性檢32（第3版280頁）11.9格蘭杰（Granger）因果性檢驗（不講）（第3版280頁）11.9格蘭杰（Granger）因果性檢33通過EViews計算的Granger因果性檢驗的兩個F統(tǒng)計量的值見圖。SHt和SZt之間存在單向因果關(guān)系。即SZt是SHt變化的Granger原因，但SHt不是SZt變化的Granger原因。（第3版280頁）11.9格蘭杰（Granger）因果性檢驗（不講）通過EViews計算的Granger因果性檢驗的兩個F統(tǒng)計量34Granger非因果性檢驗的EViews操作是，打開SHt和SZt的數(shù)劇組窗口，點擊View鍵，選GrangerCausility功能。在隨后打開的對話框口中填上滯后期數(shù)2，點擊OK鍵，即可得到圖11.20的檢驗結(jié)果。用滯后5,10,15,20,25期的檢驗式分別檢驗，結(jié)果見下表：結(jié)論都是上海綜指不是深圳成指變化的Granger原因，但深圳成指是上海綜指變化的Granger原因。（第3版280頁）11.9格蘭杰（Granger）因果性檢驗（不講）Granger非因果性檢驗的EViews操作是，打開SHt和35注意：（1）滯后期k的選取是任意的。實質(zhì)上是一個判斷性問題。以xt和yt為例，如果xt-1對yt存在顯著性影響，則不必再做滯后期更長的檢驗。如果xt-1對yt不存在顯著性影響，則應(yīng)該再做滯后期更長的檢驗。一般來說要檢驗若干個不同滯后期k的格蘭杰因果關(guān)系檢驗，且結(jié)論相同時，才可以最終下結(jié)論。（2）當(dāng)做xt是否為導(dǎo)致yt變化的格蘭杰原因檢驗時，如果zt也是yt變化的格蘭杰原因，且zt又與xt相關(guān)，這時在xt是否為導(dǎo)致yt變化的格蘭杰因果關(guān)系檢驗式的右端應(yīng)加入zt的滯后項。（3）不存在協(xié)整關(guān)系的非平穩(wěn)變量之間不能進行格蘭杰因果關(guān)系檢驗。（第3版281頁）11.9格蘭杰（Granger）因果性檢驗（不講）注意：（第3版281頁）11.9格蘭杰（Granger）因36

第11章結(jié)束.第11章結(jié)束.3726、要使整個人生都過得舒適、愉快，這是不可能的，因為人類必須具備一種能應(yīng)付逆境的態(tài)度。——盧梭

27、只有把抱怨環(huán)境的心情，化為上進的力量，才是成功的保證。——羅曼·羅蘭

28、知之者不如好之者，好之者不如樂之者?！鬃?/p>

29、勇猛、大膽和堅定的決心能夠抵得上武器的精良?！_·芬奇

30、意志是一個強壯的盲人，倚靠在明眼的跛子肩上?！灞救A謝謝！3826、要使整個人生都過得舒適、愉快，這是不可能的，因為人類必模型的診斷與檢驗26、我們像鷹一樣，生來就是自由的，但是為了生存，我們不得不為自己編織一個籠子，然后把自己關(guān)在里面?！┤R索27、法律如果不講道理，即使延續(xù)時間再長，也還是沒有制約力的?！獝邸た瓶?8、好法律是由壞風(fēng)俗創(chuàng)造出來的。——馬克羅維烏斯29、在一切能夠接受法律支配的人類的狀態(tài)中，哪里沒有法律，那里就沒有自由?！蹇?0、風(fēng)俗可以造就法律，也可以廢除法律。——塞·約翰遜模型的診斷與檢驗?zāi)Ｐ偷脑\斷與檢驗26、我們像鷹一樣，生來就是自由的，但是為了生存，我們不得不為自己編織一個籠子，然后把自己關(guān)在里面。——博萊索27、法律如果不講道理，即使延續(xù)時間再長，也還是沒有制約力的。——愛·科克28、好法律是由壞風(fēng)俗創(chuàng)造出來的。——馬克羅維烏斯29、在一切能夠接受法律支配的人類的狀態(tài)中，哪里沒有法律，那里就沒有自由?！蹇?0、風(fēng)俗可以造就法律，也可以廢除法律?！ぜs翰遜第11章模型的診斷與檢驗11.1模型總顯著性的F檢驗（已講過）11.2模型單個回歸參數(shù)顯著性的t檢驗（已講過）11.3檢驗若干線性約束條件是否成立的F檢驗11.4似然比（LR）檢驗11.5沃爾德（Wald）檢驗11.6拉格朗日乘子（LM）檢驗11.7鄒（Chow）突變點檢驗（不講）11.8JB（Jarque-Bera）正態(tài)分布檢驗（不講）11.9格蘭杰（Granger）因果性檢驗（不講）（第3版252頁）在建立模型過程中，要對模型參數(shù)以及模型的各種假定條件作檢驗。這些檢驗要通過運用統(tǒng)計量來完成。在第2章和第3章已經(jīng)介紹過檢驗單個回歸參數(shù)顯著性的t統(tǒng)計量和檢驗?zāi)Ｐ蛥?shù)總顯著性的F統(tǒng)計量。在第5章介紹了模型誤差項是否存在異方差的Durbin-Watson檢驗、White檢驗；在第6章介紹了模型誤差項是否存在自相關(guān)的DW檢驗和BG檢驗。本章開始先簡要總結(jié)模型參數(shù)總顯著性的F檢驗、單個回歸參數(shù)顯著性的t檢驗。然后再介紹幾個在建模過程中也很常用的其他檢驗方法。他們是檢驗?zāi)Ｐ腿舾删€性約束條件是否成立的F檢驗和似然比（LR）檢驗、Wald檢驗、LM檢驗、JB檢驗以及Granger非因果性檢驗。第11章模型的診斷與檢驗?zāi)Ｐ偷脑\斷與檢驗26、我們像鷹一樣，生來就是自由的，但是為了39模型的診斷與檢驗課件40模型的診斷與檢驗課件41模型的診斷與檢驗課件42模型的診斷與檢驗課件43

11.3檢驗若干線性約束條件是否成立的F檢驗（第3版254頁）11.3檢驗若干線性約束條件是否成立的F檢驗（第3版244例11.1：建立中國國債發(fā)行額模型。首先分析中國國債發(fā)行額序列的特征。1980年國債發(fā)行額是43.01億元，占GDP當(dāng)年總量的1%，2001年國債發(fā)行額是4604億元，占GDP當(dāng)年總量的4.8%。以當(dāng)年價格計算，21年間（1980-2001）增長了106倍。平均年增長率是24.9%。中國當(dāng)前正處在社會主義市場經(jīng)濟體制逐步完善，宏觀經(jīng)濟運行平穩(wěn)階段。國債發(fā)行總量應(yīng)該與經(jīng)濟總規(guī)模，財政赤字的多少，每年的還本付息能力有關(guān)系。11.3檢驗若干線性約束條件是否成立的F

檢驗（第3版254頁）例11.1：建立中國國債發(fā)行額模型。11.3檢驗若干線性約45

例11.1：建立中國國債發(fā)行額模型選擇3個解釋變量，國內(nèi)生產(chǎn)總值，財政赤字額，年還本付息額，根據(jù)散點圖建立中國國債發(fā)行額模型如下：

DEBTt=0

+1GDPt

+2DEFt

+3REPAYt

+ut其中DEBTt表示國債發(fā)行總額（單位：億元），GDPt表示年國內(nèi)生產(chǎn)總值（單位：百億元），DEFt表示年財政赤字額（單位：億元），REPAYt表示年還本付息額（單位：億元）。

（第3版255頁）例11.1：建立中國國債發(fā)行額模型選擇3個解釋變量，46用19802001年數(shù)據(jù)得輸出結(jié)果如下；DEBTt=4.31

+0.35

GDPt

+1.00

DEFt

+0.88

REPAYt

(0.2)(2.2)(31.5)(17.8)R2=0.999,DW=2.12,T=22,SSEu=48460.78,(1980-2001)是否可以從模型中刪掉DEFt和REPAYt呢？可以用F統(tǒng)計量完成上述檢驗。原假設(shè)H0是3=4=0（約束DEFt和REPAYt的系數(shù)為零）。給出約束模型估計結(jié)果如下，DEBTt=-388.40

+4.49

GDPt

(-3.1)(17.2)R2=0.94,DW=0.25,T=22,SSEr=2942679,(1980-2001)已知約束條件個數(shù)m=2，T-k-1=18。SSEu=48460.78，SSEr=2942679。因為F=537.5>>F(2,18)=3.55，所以拒絕原假設(shè)。不能從模型中刪除解釋變量DEFt和REPAYt。（第3版256頁）例11.1：建立中國國債發(fā)行額模型用19802001年數(shù)據(jù)得輸出結(jié)果如下；（第3版256頁）47EViews可以有三種途徑完成上述F檢驗。（1）在輸出結(jié)果窗口中點擊View，選CoefficientTests,WaldCoefficientRestrictions功能（Wald參數(shù)約束檢驗），在隨后彈出的對話框中填入c(3)=c(4)=0?？傻萌缦陆Y(jié)果。其中F=537.5。例11.1：建立中國國債發(fā)行額模型（第3版256頁）EViews可以有三種途徑完成上述F檢驗。例11.1：建立中48

（2）在非約束模型輸出結(jié)果窗口中點擊View，選CoefficientTests,RedundantVariables-LikelihoodRatio功能（模型中是否存在多余的不重要解釋變量），在隨后彈出的對話框中填入GDP，DEF?？傻糜嬎憬Y(jié)果F=537.5。（3）在約束模型輸出結(jié)果窗口中點擊View，選CoefficientTests,OmittedVariables-LikelihoodRatio功能（模型中是否丟了重要的解釋變量），在隨后彈出的對話框中填入擬加入的解釋變量GDP，DEF?？傻媒Y(jié)果F=537.5。例11.1：建立中國國債發(fā)行額模型（第3版256頁）（2）在非約束模型輸出結(jié)果窗口中點擊View，選Co49

11.4似然比（LR）檢驗（第3版257頁）11.4似然比（LR）檢驗（第3版257頁）5011.4似然比（LR）檢驗（第3版258頁）11.4似然比（LR）檢驗（第3版258頁）51

似然比（LR）檢驗的EViews操作有兩種途徑。（1）在非約束模型估計結(jié)果窗口中點擊View，選CoefficientTests,RedundantVariables-LikelihoodRatio功能（模型中是否存在多余的不重要解釋變量），在隨后彈出的對話框中填入GDP，DEF?？傻媒Y(jié)果。其中LR（Loglikelihoodratio）=90.34，與上面的計算結(jié)果相同。（2）在約束模型估計結(jié)果窗口中點擊View，選CoefficientTests,OmittedVariables-LikelihoodRatio功能（模型中是否丟了重要的解釋變量），在隨后彈出的對話框中填入擬加入的解釋變量GDP，DEF。可得結(jié)果。其中LR（Loglikelihoodratio）=90.34，與上面的計算結(jié)果相同。11.4似然比（LR）檢驗似然比（LR）檢驗的EViews操作有兩種途徑。11.45211.5沃爾德（Wald）檢驗（第3版259頁）11.5沃爾德（Wald）檢驗（第3版259頁）5311.5沃爾德（Wald）檢驗（第3版260頁）11.5沃爾德（Wald）檢驗（第3版260頁）54

11.5沃爾德（Wald）檢驗（第3版260頁）11.5沃爾德（Wald）檢驗（第3版260頁）5511.5沃爾德（Wald）檢驗（第3版261頁）在原假設(shè)12=3成立條件下，W統(tǒng)計量漸近服從

(1)分布。11.5沃爾德（Wald）檢驗（第3版261頁）在原假設(shè)5611.5沃爾德（Wald）檢驗（第3版262頁）11.5沃爾德（Wald）檢驗（第3版262頁）5711.5沃爾德（Wald）檢驗（第3版263頁）11.5沃爾德（Wald）檢驗（第3版263頁）5811.5沃爾德（Wald）檢驗（第3版263頁）11.5沃爾德（Wald）檢驗（第3版263頁）59在(11.20)式窗口中點擊View，選CoefficientTests,Wald-CoefficientRestrictions功能，并在隨后彈出的對話框中填入C(2)/C(3)=0.5，得輸出結(jié)果如圖11.7。其中2=0.065即是Wald統(tǒng)計量的值。上式W=0.075與此略有出入。因為W=0.065對應(yīng)的概率大于0.05，說明統(tǒng)計量落在原假設(shè)的接收域。結(jié)論是接受原假設(shè)（約束條件成立）。11.5沃爾德（Wald）檢驗（第3版263頁）在(11.20)式窗口中點擊View，選Coefficien6011.6拉格朗日乘子（LM）檢驗拉格朗日（Lagrange）乘子（LM）檢驗只需估計約束模型。所以當(dāng)施加約束條件后模型形式變得簡單時，更適用于這種檢驗。LM乘子檢驗可以檢驗線性約束也可以檢驗非線性約束條件的原假設(shè)。對于線性回歸模型，通常并不是拉格朗日乘子統(tǒng)計量（LM）原理計算統(tǒng)計量的值，而是通過一個輔助回歸式計算LM統(tǒng)計量的值。（第3版264頁）11.6拉格朗日乘子（LM）檢驗拉格朗日（Lagrang61（第3版第265頁）11.6拉格朗日乘子（LM）檢驗LM檢驗的輔助回歸式計算步驟如下：

(1)

確定LM輔助回歸式的因變量。用OLS法估計約束模型，計算殘差序列，并把作為LM輔助回歸式的因變量。

(2)

確定LM輔助回歸式的解釋變量。例如非約束模型如下式,yt=0+1x1t+2x2t+…+k

xkt

+ut

把上式改寫成如下形式ut=yt-0-1x1t-2x2t-…-k

xkt

則LM輔助回歸式中的解釋變量按如下形式確定。-,j=0,1,…,k.對于非約束模型（11.26），LM輔助回歸式中的解釋變量是1,x1t,x2t,…,xkt。第一個解釋變量1表明常數(shù)項應(yīng)包括在LM輔助回歸式中。（第3版第265頁）11.6拉格朗日乘子（LM）檢驗LM6211.6拉格朗日乘子（LM）檢驗(3)建立LM輔助回歸式，=+1x1t+2x2t+…+k

xkt+vt,其中由第一步得到。(4)

用OLS法估計上式并計算可決系數(shù)R2。(5)

用第四步得到的R2計算LM統(tǒng)計量的值。LM=TR2其中T表示樣本容量。在零假設(shè)成立前提下，TR2漸近服從m個自由度的2(m)分布，(m)LM=TR2

2(m)其中m表示約束條件個數(shù)。（第3版265頁）11.6拉格朗日乘子（LM）檢驗(3)建立LM輔助回6311.6拉格朗日乘子（LM）檢驗（第3版266頁）11.6拉格朗日乘子（LM）檢驗（第3版266頁）6411.6拉格朗日乘子（LM）檢驗11.7鄒（Chow）突變點檢驗（不講）11.8JB（Jarque-Bera）正態(tài)分布檢驗（不講）（第3版267頁）11.6拉格朗日乘子（LM）檢驗11.7鄒（Chow）6511.9格蘭杰（Granger）因果性檢驗（不講）（第3版277頁）11.9格蘭杰（Granger）因果性檢驗（不講）（第3版66（第3版278頁）11.9格蘭杰（Granger）因果性檢驗（不講）（第3版278頁）11.9格蘭杰（Granger）因果性檢67注意：（1）“格蘭杰因果性”的正式名稱應(yīng)該是“格蘭杰非因果性”。只因口語都希望簡單，所以稱作“格蘭杰因果性”。（2）為簡便，通?？偸前褁t-1對yt存在（或不存在）格蘭杰因果關(guān)系表述為xt（去掉下標-1）對yt存在（或不存在）格蘭杰因果關(guān)系（嚴格講，這種表述是不正確的）。（3）格蘭杰因果關(guān)系與哲學(xué)意義的因果關(guān)系還是有區(qū)別的。如果說“xt

是yt的格蘭杰原因”只是表明“xt中包括了預(yù)測yt的有效信息”。（4）這個概念首先由格蘭杰（Granger）在1969年提出。（第3版278頁）11.9格蘭杰（Granger）因果性檢驗（不講）注