计量经济学讲义第三讲(共十讲)
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
第三讲 假设检验
一、
经典线性模型假定
对于模型
01i i i y x ββε=++,利用OLS 有:
112()ˆ()i i i
x x x x εββ-=+-∑∑ 在高斯-马尔科夫假定下,OLS 估计量的抽样分布完全取决于误差项的分布。
在高斯-马尔科夫假定中,我们要求误差项是序列无关与同方差的,现在,我们施加更强的假定,即误差项服从正态分布,即
2(0,)i N δε。应该注意到,当误差项服从正
态分布时,序列无关与独立性是等价的。因此,我们可以把上述分布假设写为:
..2(0,)i i d
i N δε,即误差项服从独立同正态分布。为什么要施加更强的假定呢?这是为
了进行小样本下的假设检验。2(0,)i
N δε与高斯-马尔科夫假定一起,被称为经典线性模型假定。在经典线性模型假定下,可以证明,OLS 估计量是方差最小的无偏估计量(注
意!此时不需要把比较范围限制在线性估计量之中)。 笔记:
1、假设误差项服从正态分布的合理性在于,误差项是由很多因素构成的,当这些因素是独立同分布时,依照中心极限定理,那么这些因素之和应该近似服从正态分布。当然,这并不意味着用正态分布来近似误差项的分布总是恰当的,例如,各因素或许并不同分布。另外,如果y 是价格这样的变量,那么假设误差项服从正态分布是不合理的,因为价格不可能是负数,不过我们可以进行变量变换,例如对价格取自然对数或者考察价格的变化率,那么经过变量变换之后,或许再假设误差项服从正态分布就变得合理了。
2、如果能够对误差项是否服从正态分布进行检验,那最好不过了。一种常用的检验方法是Jarqe-Bera 检验,这可以参见相关的教科书。问题是,尽管我们能观察到解释变量、被解释变量的取值,然而,由于对参数的真实取值无法确定,因此误差是观测不到的,我们或许不得不利用残差来代替误差以进行相关的检验。当然,一个前提是残差确实是对误差的良好近似,这进而要求,我们对参数的估计是合理的。
3、根据公式:
111221()()1ˆ()
()i i i i i i
N x x N x x x x x x εεβββ=•
--=++--∑∑∑∑ 考虑x 非随机这种简单情况,显然,当样本容量很大时,只要误差项是独立同分布的(并不
需要要假定误差项服从正态分布),那么根据中心极限定理,1
ˆβ应该近似服从正态分布。当然,为了保证误差项的独立性,抽样的随机性十分关键。
二、 利用标准正态分布作假设检验
假定
01i i i y x ββε=++是真实模型,当然我们并不知道各参数的真实值是多
少。但某一经济经济理论预言1βω=。如果你手中掌握一样本,一个问题是,你所掌握
的样本支持这个预言吗?
在
经
典
线
性
模
型
假
定
下
,
11
21ˆ
ˆ(,)N βββδ~或者
111
ˆˆ()/()(0,1)sd N βββ-~①
,其中
1
2
2
ˆ2()i
x x β
δδ=
-∑,
1
ˆ()sd β=。
练习:确定
ˆβ的分布。
现在,假设经济理论的预言是正确的,那么针对特定的样本你将得到标准正态分布图横坐标上的一个点:
11
ˆˆ()/()sd βωβ-②
。
现在来考察标准正态分布。在该分布上,存在对称的两点:0.025z
与
0.025z -,其
中:
0.0250.025Pr()Pr()0.025Z z Z z ≥=≤-=
①
定义111
ˆˆz ()/()sd β
ββ=-,则z 就是所谓的z 统计量。估计量是用来估计真实参数的,而统计量是用来做统计推断(或者假设检验)的;统计量是随机的,其分布也被称为抽样分布,针对特定样本,我们得到统计量值,它是非随机的。
②
在这里,该式是非随机的,而特别应该注意的是,分子中的1
ˆβ
是估计值,而分母中的1
ˆβ是估计量。估计值的标准差是零!。
如果把概率为5%的事件称为小概率事件,那么,当
11
ˆˆ()/()sd βωβ-的取值大于0.025z 或者小于0.025z -时,我们认为小概率事件发生了!小概率事件一般是不容易发生
的,现在居然发生了,因此,我们应该怀疑上述经济理论所作出的预言。
笔记:
另外一种直觉性的解释:当
1ωβ=这个假设为真时,粗略看来,即使估计值1
ˆβ 与ω完全相等不太可能,但估计值1
ˆβ 应该接近于ω。然而我们也要注意到,对1β的估计还存在精确性问题,这通过
1
ˆβ统计量的标准差体现出来。也就是说,在原假设为真时,即使估计值
1ˆβ与ω有一定的差异,然而如果1ˆ()sd β较大,那么出现1
ˆβ与ω的较大差异也许是正常的。不过总的来看,当原假设为真时,z 统计量值是应该接近于0的,这要
么是因为
11ˆˆ()/()z sd βωβ=-中的分子确实接近于0,要么是因为尽管1
ˆβ与ω有一定的差异,但主要是由1
ˆ()sd β较大所引起的。当z 统计量值与0具有较大差异时,那么1ωβ=这个假设的真实性是值得怀疑的!
假设检验的正式步骤是:
(1)建立原假设与备择假设:
0111::H H βωβω
=≠
笔记:
原假设与备择假设互斥;假设体系应该是完备的,即原假设与备择假设两者之一必为真,但两者不能同时为真。
(2)确定小概率标准a 。
经常我们把1%、5%或者10%作为小概率标准。对a 更加正式的称呼是“显著水平”。 (3)考察统计量值
11
ˆˆ()/()sd βωβ-是否落在拒绝域: