11-模型的诊断与检验课件.pptVIP

第11章结束. 例11.8： 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（不讲） （第3版279页） 11.9 格兰杰（Granger）因果性检验（不讲） （第3版280页） 11.9 格兰杰（Granger）因果性检验（不讲） 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（不讲） * （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（不讲） 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（不讲） （第3版252页） 在建立模型过程中，要对模型参数以及模型的各种假定条件作检验。这些检验要通过运用统计量来完成。在第2章和第3章已经介绍过检验单个回归参数显著性的t统计量和检验模型参数总显著性的F统计量。在第5章介绍了模型误差项是否存在异方差的Durbin-Watson检验、White检验；在第6章介绍了模型误差项是否存在自相关的DW检验和BG检验。 本章开始先简要总结模型参数总显著性的F检验、单个回归参数显著性的t检验。然后再介绍几个在建模过程中也很常用的其他检验方法。他们是检验模型若干线性约束条件是否成立的F检验和似然比（LR）检验、Wald检验、LM检验、JB检验以及Granger非因果性检验。 第11章 模型的诊断与检验 11.1 模型总显著性的F 检验 以多元线性回归模型，yt ?0+?1xt1+?2xt2+…+?k xt k+ ut为例， 原假设与备择假设分别是 H0：?1 ?2 … ?k 0； H1：?j不全为零 在原假设成立条件下，统计量 其中SSR指回归平方和；SSE指残差平方和；k+1表示模型中 被估参数个数；T 表示样本容量。判别规则是， 若 F ? F? k,T-k-1 ，接受H0； 若 F F? k,T-k-1 , 拒绝H0。 （详见第3章） （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），REPAYt表示年还本付息额（单位：亿元）。 （第3版255页） 用1980?2001年数据得输出结果如下； 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 是否可以从模型中删掉DEFt和REPAYt呢？可以用F统计量完成上述检验。原假设H0是?3 ?4 0（约束DEFt和REPAYt的系数为零）。给出约束模型估计结果如下， DEBTt -388.40 +4.49 GDPt -3.1 17.2 R2 0.94, DW 0.25, T 22, SSEr 座机电话号码, 1980-2001 已知约束条件个数m 2，T- k-1 18。SSEu 48460.78，SSEr 座机电话号码。 因为F 537.5 F 2, 18 3.55，所以拒绝原假设。不能从模型中删除解释变量DEFt和REPAYt。 （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