《模型的诊断与检验课件》由会员分享，可在线阅读，更多相关《模型的诊断与检验课件（40页珍藏版）》请在金锄头文库上搜索。
1、（第10讲）,第11章 模型的诊断与检验,11.1 模型总显著性的F检验（已讲过） 11.2 模型单个回归参数显著性的t检验（已讲过） 11.3 检验若干线性约束条件是否成立的F检验 11.4 似然比（LR）检验 11.5 沃尔德（Wald）检验（只讲应用） 11.6 拉格朗日乘子（LM）检验 11.7 邹（Chow）突变点检验（不讲） 11.8 JB（Jarque-Bera）正态分布检验 11.9 格兰杰（Granger）因果性检验 11.11赤池信息准则（AIC）,File:li-11-1 File:li-11-3 file: 5stock,（第3版252页）,第11章 模型的诊断与检验,
2、11.1 模型总显著性的F 检验,（第3版252页）,11.2 模型单个回归参数显著性的t 检验,（第3版253页）,11.3 检验若干线性约束条件是否成立的F 检验,（第3版254页）,11.3 检验若干线性约束条件是否成立的F 检验,（第3版254页）,例11.1：建立中国国债发行额模型,选择3个解释变量，国内生产总值，财政赤字额，年还本付息额，根据散点图建立中国国债发行额模型如下： DEBTt = 0 +1 GDPt +2 DEFt +3 REPAYt + ut 其中DEBTt表示国债发行总额（单位：亿元），GDPt表示年国内生产总值（单位：百亿元），DEFt表示年财政赤字额（单位：亿元
3、），REPAYt表示年还本付息额（单位：亿元）。,（第3版255页）,（第3版256页）,例11.1：建立中国国债发行额模型,EViews可以有三种途径完成上述F检验。 （1）在输出结果窗口中点击View，选Coefficient Tests, Wald Coefficient Restrictions功能（Wald参数约束检验），在随后弹出的对话框中填入c(3) = c(4) = 0。可得如下结果。其中F = 537.5。,（第3版256页）,例11.1：建立中国国债发行额模型,（第3版256页）,例11.1：建立中国国债发行额模型,11.4 似然比（LR）检验,（第3版257页）,11.4
4、 似然比（LR）检验,（第3版258页）,11.4 似然比（LR）检验,11.5沃尔德（Wald）检验（只讲应用）,（第3版259页）,11.5沃尔德（Wald）检验（只讲应用）,（第3版260页）,11.5沃尔德（Wald）检验（只讲应用）,（第3版261页）,11.5沃尔德（Wald）检验（只讲应用）,（第3版262页）,11.6 拉格朗日乘子（LM）检验（只讲应用）,拉格朗日（Lagrange）乘子（LM）检验只需估计约束模型。所以当施加约束条件后模型形式变得简单时，更适用于这种检验。LM乘子检验可以检验线性约束也可以检验非线性约束条件的原假设。 对于线性回归模型，通常并不是拉格朗日乘子
5、统计量（LM）原理计算统计量的值，而是通过一个辅助回归式计算LM统计量的值。,（第3版264页）,（第3版第265页）,11.6 拉格朗日乘子（LM）检验,（第3版265页）,11.6 拉格朗日乘子（LM）检验,（第3版266页）,11.6 拉格朗日乘子（LM）检验,（第3版267页）,11.6 拉格朗日乘子（LM）检验,11.7 邹（Chow）突变点检验（不讲）,11.8 JB（Jarque-Bera）正态分布检验,11.8 JB（Jarque-Bera）正态分布检验,全国人口的年龄分布 （1987年1%抽样调查数据） （右偏分布）,南开大学05级本科计量经济学期末成绩分析 （左偏分布）,1
6、1.8 JB（Jarque-Bera）正态分布检验,11.8 JB（Jarque-Bera）正态分布检验,11.9 格兰杰（Granger）因果性检验,（第3版277页）,（第3版278页）,11.9 格兰杰（Granger）因果性检验,注意： （1）“格兰杰因果性”的正式名称应该是“格兰杰非因果性”。只因口语都希望简单，所以称作“格兰杰因果性”。 （2）为简便，通常总是把xt-1 对yt存在（或不存在）格兰杰因果关系表述为xt（去掉下标 -1）对yt存在（或不存在）格兰杰因果关系（严格讲，这种表述是不正确的）。 （3）格兰杰因果关系与哲学意义的因果关系还是有区别的。如果说“xt 是yt的格兰
7、杰原因”只是表明“xt中包括了预测yt的有效信息”。 （4）这个概念首先由格兰杰（Granger）在1969年提出。,（第3版278页）,11.9 格兰杰（Granger）因果性检验,例11.8 （file: 5stock） ： 以661天（1999年1月4日至2001年10月5日）的上证综指（SHt）和深证成指（SZt）数据为例，进行双向的Granger非因果性分析。两个序列存在高度的相关关系，那么两个序列间可能存在双向因果关系，也有可能存在单向因果关系。,（第3版278页）,11.9 格兰杰（Granger）因果性检验,（第3版279页）,11.9 格兰杰（Granger）因果性检验,（第
8、3版280页）,11.9 格兰杰（Granger）因果性检验,通过EViews计算的Granger因果性检验的两个F统计量的值见图。SHt 和SZt之间存在单向因果关系。即SZt是SHt变化的Granger原因，但SHt 不是SZt变化的Granger原因。,（第3版280页）,11.9 格兰杰（Granger）因果性检验,Granger非因果性检验的EViews操作是，打开SHt和SZt的数剧组窗口，点击View键，选Granger Causility功能。在随后打开的对话框口中填上滞后期数2，点击OK键，即可得到图11.20的检验结果。 用滞后5, 10, 15, 20, 25期的检验式分别检验，结果见下表：,结论都是上海综指不是深圳成指变化的Granger原因，但深圳成指是上海综指变化的Granger原因。,（第3版280页）,11.9 格兰杰（Granger）因果性检验,（第3版281页）,11.9 格兰杰（Granger）因果性检验,第11章结束.,
