eviews模型诊断

在时间序列样本中，通常利用T1时期的观测
值进行了估计，余下的T2时期的观测值进行 检验。 对于截面数据，可以先根据关键变量，例如 家庭收入或公司销售额的大小，对数据进行 了排序，然后再将数据集合分成两个部分。 这里没有硬性的、快速的方法来确定T1、T2 的相对大小。
某些情况下，会出现一些明显的已经发生结
如果是非线性约束，则不论方程形式如何，
检验结果只能是卡方统计量的近似结果和相 应的近似既率。 事实上， Wald检验对二阶段最小二乘法、非 线性最小二乘法等建立的模型均有效，只是 检验统计量有所不同 EViews中，方程结果输出窗口点击View按钮， 然后在下拉菜单中选择Coefficient Tests/Wald-Coefficient Restrictions
检验时，考察的方程应分别拟合于每个子样
本。加总每个子样本的残差平方和从而得到 无约束的残差平方和，然后再用方程拟合于 所有样本观测值，得到有约束的残差平方和。 F统计量是有约束和无约束的残差平方和之比， 而LR统计量是通过有约束和无约束条件下的 方程的极大似然值计算得到。输出结果再次 显示F统计量、LR统计量和相应的概率值。
注意：该检验适合于由最小二乘法和两阶段
最小二乘法做的回归。 做邹突变检验时，选择Equation工具中的 View/stability tests/chow Breakpoint test功能。 在对话框中，输入突变的日期（相对于时间 序列样本）或观测数目（相对于截面样本）。 例如，若方程由1950-1994年数据估计得到， 在对话框中，键入1960，则设定了两个子样 本，一个从1950-1959,另一个从1960-1994。
例4.2
粮食产量（Y）通常由粮食生产劳动力（L）、
化肥施用量（K）等因素决定，利用线性化方 法估计Cobb-Douglas生产函数模型并检验参 。（ case4) 1 数是否满足约束条件
遗漏变量检验(testadd检验)
遗漏(Omitted)变量检验用以查看对现有模型
添加某些变量后，新变量是否对因变量的解 释有显著贡献。检验的原假设是新变量都是 不显著的。检验统计量
构变化的点（如一条法规的出现、固定汇率 向浮动汇率的转变或者是石油价格的冲击 等），则选择该点来分割T。 在没有什么特殊原因来观测结构变化时，粗 略的经验是用85%-90%的观测值来进行估计， 余下的用于检验。
邹突变点检验
邹突变点检验由邹至庄1960年提出，用于检
验模型参数在样本范围内某一点是否发生变 化。 注意，每个子集中的观测值数目必须超过待 估方程中系数的个数。分割的目的是为了检 验系数向量在不同的子集中是否可以视为常 数。 H0：不存在突变点
Wald检验
Wald检验处理有关解释变量系数约束的假设。
例如，假设一个Cobb-Douglas生产函数已经
估计为以下形式: 其中Q、K和已分别代表产出、资本与劳动的 投入量。规摸报酬不变的假设由以下约束检 验表示:
Wald检验原假设的参数限制以及检验方程可
以是线性的，也可以是非线性的，并且可以 同时检验一个或多个约束。 Wald检验的输出结果依赖于约束的线性性。 在线性约束下，输出结果是F统计量、x2统计 量和相应的p值。 如果约束是有效的，那么F统计量应该很小， p值很大，并且约束不会被拒绝。 在大多数应用中，p值和相应的F统计量应该 被认为是近似值，也就是说只有当F值远大于 临界值时结论才是可靠的。
邹模型稳定性检验
在邹预测检验中，利用T1时期的观测值估计
方程并预测余下T2时期的因变量的值。这样， 会存在一个预测值和真实值之间差异的向量。 若差异较小，则对估计方程毋庸置疑；若差 异较大，则方程参数的稳定性值得怀疑。 H0：模型是稳定的
注意:
Chow预测检验适用于由最小二乘法和 两阶段最小二乘法估计的回归方程。 做Chow预测检验时，选择Equation 工具栏 中的View/Stability Tests/Chow Forecast Test功能。在对话框中，设定预测开始的日 期，且该日期必须在现有的样本观测值之内。
仍以表case6为例用1985
~ 1999年数据建立 的模型基础上，检验当把2000 ~2002年数据 加入样本后，模型的回归参数是否出现显著 性变化。 因为已经知道1996年为结构突变点，所以设 定虚拟变量，
以区别两个不同时期。
用1985
~2002年数据按以下命令回归， y c x d1 x*d1
例4.3
续例4.2。若考虑粮食播种面积(M)对粮食产
量的影响，现检验该因素是否显著。
冗余变量检验(testdrop检验)
冗余(Redundant)检验用以确定现有模型一个
变量子集的统计显著性，即考察子集内变量 的参数估计值是否与0没有显著差异，可以从 方程中剔除。 H0:检验对应变量的回归系数等于0 在EViews中操作方法,在方程结果输出窗口中 选择View/Coefficient Tests, Redundant Variables-Likelihood Ratio，
注意
: 计算时都要求原模型与检验模型的观测量相 同，即新变量不能在原来的样本期内含有缺 失值，因此，像加入滞后变量等情况，检验 是失效的。 EViews中，方程结果输出窗口中选择 View/Coefficient Tests/Omitted VariablesLikelihood Ratio．
第四章 模型诊断
邹突变点检验(检验是否存在突变点）
邹模型稳定性检验（检验模型是否可以进行
预测） 似然比检验（检验模型是否存在缺失变量或 存在冗余变量） Wald检验（检验模型的约束条件是否有效）
Biblioteka Baidu
两个邹检验用来检查不同时期或不同截面数
据子样本相互关系的稳定性。 该检验中最重要的步骤是将数据集合T分为 T1和T2两个部分，T1用于估计，剩下的T2用 于检验。 若利用所有可得到的样本观测值对方程进行 估计，则可以寻找到最适合给定数据集合的 方程，但是这样就无法检验该模型的预测能 力，也不能检验参数是否稳定，变量间的关 系是否稳健。
例4.1
1985-2002年中国家用汽车拥有量（y）与城
镇居民家庭人均可支配收入(x)，数据见 case6。画散点图后发现1996年应该是一个 突变点。当城镇居民家庭人均可收入突破 4838.9元之后，城镇居民家庭购买家用汽车 的能力大大提高。现在用邹突变点检验法检 验1996年是不是一个突变点。