第8章:线性约束和预测定稿版(201511.3)
合集下载
相关主题
- 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)。
暨南大学经济学院统计系 陈文静 32
检验有关k 变量回归模型: Yi 1 2 X 2i 3 X 3i k X k ui 中的一个或多个参数的假设,都可以用上述F 检验法。 例如:H 0 : 2 3 或 或 H 0 : 3 4 5 3 H 0 : 3 4 5 6 0
F 检验法:受约束的最小二乘法 由于原假设为线性等式(H 0 : 2 3 1),故将这种参数的线性 关系可直接代入模型中,而代入后的模型关于参数仍是线性的, 所以可用OLS,约束代入后的模型体现了参数之间的约束,故称 为RLS(相对于无约束的OLS)。 将原假设下的约束条件代入: ln Yi 0 2 ln X 2i 3 ln X 3i ui 得出:
系数的估计值-原假设为真条件下的值 估计量的标准误
案例分析:t检验的应用
比较两年制大专教育和四年制本科教育的回报
暨南大学经济学院统计系
陈文静
16
17
上述案例的约束性检验,可以采用另一种更 为检验的方法进行。
ˆ ˆ ),而是估计一个能直接给出我们所 这种方法不是试图计算se( 1 2 关心的标准误的不同模型,这要容易得多。 将1和 2之差定义为一个新的参数 =1 2 即我们想要检验:H 0: 0 H A: 0 ˆ0 利用 t 进行检验即可。 ˆ se
无约束模型(1)
ln Yi 0 (1 3 ) ln X 2i 3 ln X 3i ui
0 ln X 2i 3 ln X 3i ln X 2i ui
ln Yi ln X 2i 0 3 ln X 3i ln X 2i ui ln(Yi / X 2i ) 0 3 ln( X 3i / X 2i ) ui
9
其它任何参数之间的线性等式之间的约束可按这一方法进行检验。
例题4.2分析
暨南大学经济学院统计系
陈文静
10
eviews估计结果:
暨南大学经济学院统计系
陈文静
11
Stata估计结果
暨南大学经济学院统计系
陈文静
12
估计系数的方差协方差矩阵
暨南大学经济学院统计系
陈文静
13
检验统计量
8
t检验法:首先实现无约束的回归,得到估计量,也即估计: ln Yi 0 2 ln X 2i 3 ln X 3i ui ˆ 和 ˆ ,然后由t检验的思想,可构造(在原假设和正态独 得出
2 3
立假定下)的t统计量(H 0 : 2 3 1): ˆ ˆ ) ( ) ˆ ˆ ) 1 ( ( 2 3 2 3 2 3 t ˆ ˆ) ˆ ) var( ˆ ) 2cov( ˆ , ˆ) se( var( 2 3 2 3 2 3 若t t,则拒绝原假设,否则不能拒绝原假设。 显然,这一检验方法,是在无约束估计之后进行的。而与之对应 的是,直接将线性约束或原假设代入模型之中,再进行估计,称 为受约束的最小二乘估计( RLS)。 暨南大学经济学院统计系 陈文静
2 ˆ (n k )
Q2
2
~ 2 (n k )
ˆ - q)[A(XX)1 A]1 (Aβ ˆ - q) J Q1 / J (Aβ F ~ F (J , n k) 2 ˆ Q2 / (n k )
模型参数的约束最小二乘估计
暨南大学经济学院统计系
陈文静
24
2 2 ( RU RR )/m F ~ F (m, n k ) 2 (1 RU ) / (n k )
其中m为约束个数,k 为无约束的模型的参数个数,n为样本长度。 选定显著性水平,若F 值 F (m, n k ),则拒绝原假设。 若F 值 F (m, n k ),则不能拒绝原假设。或者直接用 F 检验统计量对应的p值,p ,则拒绝原假设。
log(price) log(price) ln y 0 u (估计该受约束模型)
H0:1 =1 ,2 =0,3 =0,4 =0,
由上述受约束模型估计得出RSSr(受约束) =1.880 不受约束模型估计得出RSSur(不受约束) =1.822 所以根据: ( RSSr(受约束) RSSur(不受约束) ) / J F RSSur(不受约束) / (n k ) 得出: 1.880 1.822 F (共四个约束条件) 4 =0.661 1.822 / (88 5)
自由度为(4,83)的F分布,在显著性水平5%的水平时 的临界值为2.50,所以不能拒绝原假设。即没有证据拒 绝房价是根据评估价值理性定价的这个假设。
Stata直接操作线性约束检验
暨南大学经济学院统计系
陈文静
39
检验多元回归模型的总显著性:F 检验 一般地, 对于多变量(大于3)模型,即 Yi 1 2 X 2i 3 X 3i k X k ui 检验原假设:H 0 : 2 k 0 H1:非全部斜率系数同时为零 ESS / df ESS / (k 1) 计算:F RSS / df RSS / (n k ) 选定显著性水平,若F 值 F (k 1, n k ),则拒绝原假设。 若F 值 F (k 1, n k ),则不能拒绝原假设。或者直接用 F 检验统计量对应的p值,p ,则拒绝原假设。
暨南大学经济学院统计系
陈文静
6
检验某两个或若干个系数是否相等 对于下述模型: Yi 1 2 X 2i 3 X 3i k X k ui 若要检验: H 0 : 3 4或 3 4 0 H A : 3 4或 3 4 0 按检验显著性即检验 0的思想,在原假设和扰动 为正态假设之下,有: ˆ ˆ ) ( ) ( 4 3 4 t 3 ˆ ˆ ) se( 3 4 ˆ ˆ 3 4 ~ t (n k ) ˆ ) var( ˆ ) 2 cov( ˆ , ˆ ) var( 3 4 3 4 若t t,则拒绝原假设,否则不能拒绝原假设。
暨南大学经济学院统计系
陈文静
18
暨南大学经济学院统计系
陈文静
19
ˆ 0 0.026 0 t = =-1.44 ˆ 0.018 se
p值=0.075,在10%的水平上拒绝原假设。 截距与 exp er变量的系数估计及其标准误都与之前的模型相同。 新变量totcoll的系数与univ的系数估计值和标准误也相同。 这种重写模型使之包含我们所关心参数的做法更易于实施。
暨南大学经济学院统计系
陈文静
25
暨南大学经济学院统计系
陈文静
26
暨南大学经济学院统计系
陈文静
27
暨南大学经济学院统计系
陈文静
28
F
( RSSr(受约束 ) RSSur(不受约束 ) ) / (约束条件的个数) J RSSur(不受约束 ) / ( n k )
29
F
( RSS r(受约束) RSSur(不受约束) ) / J (约束条件的个数) RSS ur(不受约束) / (n k )
7
受约束的最小二乘法:检验线性等式约束条件 上述是检验系数是否相等,这一原假设看作模型参数 之间的约束,可以用上述t统计量来检验这种约束, 更为一般的,出于经济学理论或实证研究的目的,需 检验系数之间的线性约束。 如对于C-D生产函数的对数型 ln Yi 0 2 ln X 2i 3 ln X 3i ui 需检验规模报酬不变的假设: H 0 : 2 3 1 这是模型参数之间的一种线性关系,检验这一类假设即 为检验线性等式约束。更为一般的,下述方法可用于检验 模型的任意几个参数之间的线性等式约束。
先估计大的无约束模型,然后再估计受约束的小模型, ( RSS R RSSU ) / m 从而计算F 值: F ~ F (m, n k ) RSSU / (n k ) 或
2 2 ( RU RR )/m F ~ F (m, n k ) 2 (1 RU ) / (n k )
选定显著性水平,若F 值 F (k 1, n k ),则拒绝原假设。 若F 值 F (k 1, n k ),则不能拒绝原假设。或者直接用 F 检验统计量对应的p值,p ,则拒绝原假设。
33
案例分析:
price : 住房价格, assess : 评估的住房价值(房子售出之前), lotsize:以英尺为单位的整体尺寸,sqrft:平方英尺数。 bdrms:卧室数。
暨南大学经济学院统计系 陈文静
受约束模型(2)
31
F 检验法:受约束的最小二乘法(续) 对受约束的模型(2)进行OLS即为RLS,由此产生的RSS记为RSSR, 而由对无约束的模型()的 1 OLS所产生的RSS,记为RSSU,应用F检验, 即有: ( RSS R RSSU ) / m F ~ F (m, n k ) RSSU / (n k ) 或
暨南大学经济学院wk.baidu.com计系
陈文静
34
假设我们想要检验房价是不是根据房屋的评估价值进行 理性定价,即检验1 =1 。一旦控制了评估价值之后,其 他的几个变量都无助于解释房屋的价格,即假设为: H 0:1 =1 , 2 =0, 3 =0, 4 =0, 这里有四个约束性条件需要检验,用F检验进行。 估计无约束模型,得出RSS ur(不受约束 )。 估计受约束模型,即将约束条件代入得出: log(price)= 0 log(assess) u log(price) log(price) ln y 0 u (估计该受约束模型) 注意:受约束模型和不受约束模型的被解释变量 不同时,不能用 F
RSS TSS ESS TSS (1 ESS TSS ) TSS(1 R 2 )
2 2 2 2 R R TSS(1 R ) TSS(1 R ) J ur r J r ur F 2 TSS(1 Rur ) / ( n k ) (1 Ru2r ) / (n k )
第四章 线性约束和预测
暨南大学经济学院统计学系
陈文静
线性关系的约束性检验
1、对回归系数间线性关系的检验
暨南大学经济学院统计系
陈文静
2
1、对回归系数间线性关系的检验
暨南大学经济学院统计系
陈文静
3
1、对回归系数间线性关系的检验
暨南大学经济学院统计系
陈文静
4
利用方差的性质: 若a是一个n 1非随机向量,则 var(ay ) a var(y)a 0 ˆ ) wVar (β ˆ )w w[ 2 ( XX) 1 ]w 所以Var (wβ ˆ ) 2 ( XX) 1 代入即可 把方差 var(
R
2 ur
Rr2 J
2 ur
(1 R ) / ( n k )
,而只能用
( RSS r(受约束 ) RSS ur(不受约束 ) ) / J RSS ur(不受约束 ) / ( n k )
35
估计无约束模型
暨南大学经济学院统计系
陈文静
36
H0:1 =1 ,2 =0,3 =0,4 =0,
(2)对多个回归系数间的线性关系的检验: F检验
暨南大学经济学院统计系
陈文静
21
暨南大学经济学院统计系
陈文静
22
利用数理统计知识: 如果m维随机变量x服从正态分布N , ,其中为非退化矩阵(满秩) 则二次型 x 1 x 2 m
ˆ - q)[ 2 A( XX)1 A]1 ( Aβ ˆ - q) ~ 2 ( J ) Q1 ( Aβ 其中,XX为对称矩阵,A为行满秩矩阵, A( XX)1 A为非退化矩阵,为约束条件的个数
检验有关k 变量回归模型: Yi 1 2 X 2i 3 X 3i k X k ui 中的一个或多个参数的假设,都可以用上述F 检验法。 例如:H 0 : 2 3 或 或 H 0 : 3 4 5 3 H 0 : 3 4 5 6 0
F 检验法:受约束的最小二乘法 由于原假设为线性等式(H 0 : 2 3 1),故将这种参数的线性 关系可直接代入模型中,而代入后的模型关于参数仍是线性的, 所以可用OLS,约束代入后的模型体现了参数之间的约束,故称 为RLS(相对于无约束的OLS)。 将原假设下的约束条件代入: ln Yi 0 2 ln X 2i 3 ln X 3i ui 得出:
系数的估计值-原假设为真条件下的值 估计量的标准误
案例分析:t检验的应用
比较两年制大专教育和四年制本科教育的回报
暨南大学经济学院统计系
陈文静
16
17
上述案例的约束性检验,可以采用另一种更 为检验的方法进行。
ˆ ˆ ),而是估计一个能直接给出我们所 这种方法不是试图计算se( 1 2 关心的标准误的不同模型,这要容易得多。 将1和 2之差定义为一个新的参数 =1 2 即我们想要检验:H 0: 0 H A: 0 ˆ0 利用 t 进行检验即可。 ˆ se
无约束模型(1)
ln Yi 0 (1 3 ) ln X 2i 3 ln X 3i ui
0 ln X 2i 3 ln X 3i ln X 2i ui
ln Yi ln X 2i 0 3 ln X 3i ln X 2i ui ln(Yi / X 2i ) 0 3 ln( X 3i / X 2i ) ui
9
其它任何参数之间的线性等式之间的约束可按这一方法进行检验。
例题4.2分析
暨南大学经济学院统计系
陈文静
10
eviews估计结果:
暨南大学经济学院统计系
陈文静
11
Stata估计结果
暨南大学经济学院统计系
陈文静
12
估计系数的方差协方差矩阵
暨南大学经济学院统计系
陈文静
13
检验统计量
8
t检验法:首先实现无约束的回归,得到估计量,也即估计: ln Yi 0 2 ln X 2i 3 ln X 3i ui ˆ 和 ˆ ,然后由t检验的思想,可构造(在原假设和正态独 得出
2 3
立假定下)的t统计量(H 0 : 2 3 1): ˆ ˆ ) ( ) ˆ ˆ ) 1 ( ( 2 3 2 3 2 3 t ˆ ˆ) ˆ ) var( ˆ ) 2cov( ˆ , ˆ) se( var( 2 3 2 3 2 3 若t t,则拒绝原假设,否则不能拒绝原假设。 显然,这一检验方法,是在无约束估计之后进行的。而与之对应 的是,直接将线性约束或原假设代入模型之中,再进行估计,称 为受约束的最小二乘估计( RLS)。 暨南大学经济学院统计系 陈文静
2 ˆ (n k )
Q2
2
~ 2 (n k )
ˆ - q)[A(XX)1 A]1 (Aβ ˆ - q) J Q1 / J (Aβ F ~ F (J , n k) 2 ˆ Q2 / (n k )
模型参数的约束最小二乘估计
暨南大学经济学院统计系
陈文静
24
2 2 ( RU RR )/m F ~ F (m, n k ) 2 (1 RU ) / (n k )
其中m为约束个数,k 为无约束的模型的参数个数,n为样本长度。 选定显著性水平,若F 值 F (m, n k ),则拒绝原假设。 若F 值 F (m, n k ),则不能拒绝原假设。或者直接用 F 检验统计量对应的p值,p ,则拒绝原假设。
log(price) log(price) ln y 0 u (估计该受约束模型)
H0:1 =1 ,2 =0,3 =0,4 =0,
由上述受约束模型估计得出RSSr(受约束) =1.880 不受约束模型估计得出RSSur(不受约束) =1.822 所以根据: ( RSSr(受约束) RSSur(不受约束) ) / J F RSSur(不受约束) / (n k ) 得出: 1.880 1.822 F (共四个约束条件) 4 =0.661 1.822 / (88 5)
自由度为(4,83)的F分布,在显著性水平5%的水平时 的临界值为2.50,所以不能拒绝原假设。即没有证据拒 绝房价是根据评估价值理性定价的这个假设。
Stata直接操作线性约束检验
暨南大学经济学院统计系
陈文静
39
检验多元回归模型的总显著性:F 检验 一般地, 对于多变量(大于3)模型,即 Yi 1 2 X 2i 3 X 3i k X k ui 检验原假设:H 0 : 2 k 0 H1:非全部斜率系数同时为零 ESS / df ESS / (k 1) 计算:F RSS / df RSS / (n k ) 选定显著性水平,若F 值 F (k 1, n k ),则拒绝原假设。 若F 值 F (k 1, n k ),则不能拒绝原假设。或者直接用 F 检验统计量对应的p值,p ,则拒绝原假设。
暨南大学经济学院统计系
陈文静
6
检验某两个或若干个系数是否相等 对于下述模型: Yi 1 2 X 2i 3 X 3i k X k ui 若要检验: H 0 : 3 4或 3 4 0 H A : 3 4或 3 4 0 按检验显著性即检验 0的思想,在原假设和扰动 为正态假设之下,有: ˆ ˆ ) ( ) ( 4 3 4 t 3 ˆ ˆ ) se( 3 4 ˆ ˆ 3 4 ~ t (n k ) ˆ ) var( ˆ ) 2 cov( ˆ , ˆ ) var( 3 4 3 4 若t t,则拒绝原假设,否则不能拒绝原假设。
暨南大学经济学院统计系
陈文静
18
暨南大学经济学院统计系
陈文静
19
ˆ 0 0.026 0 t = =-1.44 ˆ 0.018 se
p值=0.075,在10%的水平上拒绝原假设。 截距与 exp er变量的系数估计及其标准误都与之前的模型相同。 新变量totcoll的系数与univ的系数估计值和标准误也相同。 这种重写模型使之包含我们所关心参数的做法更易于实施。
暨南大学经济学院统计系
陈文静
25
暨南大学经济学院统计系
陈文静
26
暨南大学经济学院统计系
陈文静
27
暨南大学经济学院统计系
陈文静
28
F
( RSSr(受约束 ) RSSur(不受约束 ) ) / (约束条件的个数) J RSSur(不受约束 ) / ( n k )
29
F
( RSS r(受约束) RSSur(不受约束) ) / J (约束条件的个数) RSS ur(不受约束) / (n k )
7
受约束的最小二乘法:检验线性等式约束条件 上述是检验系数是否相等,这一原假设看作模型参数 之间的约束,可以用上述t统计量来检验这种约束, 更为一般的,出于经济学理论或实证研究的目的,需 检验系数之间的线性约束。 如对于C-D生产函数的对数型 ln Yi 0 2 ln X 2i 3 ln X 3i ui 需检验规模报酬不变的假设: H 0 : 2 3 1 这是模型参数之间的一种线性关系,检验这一类假设即 为检验线性等式约束。更为一般的,下述方法可用于检验 模型的任意几个参数之间的线性等式约束。
先估计大的无约束模型,然后再估计受约束的小模型, ( RSS R RSSU ) / m 从而计算F 值: F ~ F (m, n k ) RSSU / (n k ) 或
2 2 ( RU RR )/m F ~ F (m, n k ) 2 (1 RU ) / (n k )
选定显著性水平,若F 值 F (k 1, n k ),则拒绝原假设。 若F 值 F (k 1, n k ),则不能拒绝原假设。或者直接用 F 检验统计量对应的p值,p ,则拒绝原假设。
33
案例分析:
price : 住房价格, assess : 评估的住房价值(房子售出之前), lotsize:以英尺为单位的整体尺寸,sqrft:平方英尺数。 bdrms:卧室数。
暨南大学经济学院统计系 陈文静
受约束模型(2)
31
F 检验法:受约束的最小二乘法(续) 对受约束的模型(2)进行OLS即为RLS,由此产生的RSS记为RSSR, 而由对无约束的模型()的 1 OLS所产生的RSS,记为RSSU,应用F检验, 即有: ( RSS R RSSU ) / m F ~ F (m, n k ) RSSU / (n k ) 或
暨南大学经济学院wk.baidu.com计系
陈文静
34
假设我们想要检验房价是不是根据房屋的评估价值进行 理性定价,即检验1 =1 。一旦控制了评估价值之后,其 他的几个变量都无助于解释房屋的价格,即假设为: H 0:1 =1 , 2 =0, 3 =0, 4 =0, 这里有四个约束性条件需要检验,用F检验进行。 估计无约束模型,得出RSS ur(不受约束 )。 估计受约束模型,即将约束条件代入得出: log(price)= 0 log(assess) u log(price) log(price) ln y 0 u (估计该受约束模型) 注意:受约束模型和不受约束模型的被解释变量 不同时,不能用 F
RSS TSS ESS TSS (1 ESS TSS ) TSS(1 R 2 )
2 2 2 2 R R TSS(1 R ) TSS(1 R ) J ur r J r ur F 2 TSS(1 Rur ) / ( n k ) (1 Ru2r ) / (n k )
第四章 线性约束和预测
暨南大学经济学院统计学系
陈文静
线性关系的约束性检验
1、对回归系数间线性关系的检验
暨南大学经济学院统计系
陈文静
2
1、对回归系数间线性关系的检验
暨南大学经济学院统计系
陈文静
3
1、对回归系数间线性关系的检验
暨南大学经济学院统计系
陈文静
4
利用方差的性质: 若a是一个n 1非随机向量,则 var(ay ) a var(y)a 0 ˆ ) wVar (β ˆ )w w[ 2 ( XX) 1 ]w 所以Var (wβ ˆ ) 2 ( XX) 1 代入即可 把方差 var(
R
2 ur
Rr2 J
2 ur
(1 R ) / ( n k )
,而只能用
( RSS r(受约束 ) RSS ur(不受约束 ) ) / J RSS ur(不受约束 ) / ( n k )
35
估计无约束模型
暨南大学经济学院统计系
陈文静
36
H0:1 =1 ,2 =0,3 =0,4 =0,
(2)对多个回归系数间的线性关系的检验: F检验
暨南大学经济学院统计系
陈文静
21
暨南大学经济学院统计系
陈文静
22
利用数理统计知识: 如果m维随机变量x服从正态分布N , ,其中为非退化矩阵(满秩) 则二次型 x 1 x 2 m
ˆ - q)[ 2 A( XX)1 A]1 ( Aβ ˆ - q) ~ 2 ( J ) Q1 ( Aβ 其中,XX为对称矩阵,A为行满秩矩阵, A( XX)1 A为非退化矩阵,为约束条件的个数