计量受约束回归重点分析.ppt

§3.6 受约束回归 在建立回归模型时，有时根据经济理论需对模型中变量的参数施加一定的约束条件。 受约束回归 一、模型参数的线性约束 二、对回归模型增加或减少解释变量 一、模型参数的线性约束 例3.5.1 建立中国城镇居民食品消费需求函数模型。 二、对回归模型增加或减少解释变量 考虑如下两个回归模型 * 如： 0阶齐次性 条件的消费需求函数 1阶齐次性 条件的C-D生产函数 模型施加约束条件后进行回归，称为受约束回归（restricted regression）; 不加任何约束的回归称为无约束回归（unrestricted regression）。 对模型 施加约束 得 或 (*) (**) 如果对（**）式回归得出 则由约束条件可得： 然而，对所考查的具体问题能否施加约束？ 需进一步进行相应的检验。常用的检验有： F检验、x2检验与t检验， 主要介绍F检验 在同一样本下，记无约束样本回归模型为 受约束样本回归模型为 于是 受约束样本回归模型的残差平方和RSSR为: 于是 e’e为无约束样本回归模型的残差平方和RSSU (*) 受约束与无约束模型都有相同的TSS 由（*）式 RSSR ? RSSU 从而 ESSR ? ESSU 这意味着，通常情况下，对模型施加约束条件会降低模型的解释能力。 但是，如果约束条件为真，则受约束回归模型与无约束回归模型具有相同的解释能力，RSSR 与 RSSU的差异变小。 可用RSSR - RSSU的大小来检验约束的真实性 根据数理统计学的知识： 于是： 如果约束条件无效， RSSR 与 RSSU的差异较大，计算的F值也较大。 于是，可用计算的F统计量的值与所给定的显著性水平下的临界值作比较，对约束条件的真实性进行检验。若FF?，表明约束条件为假；若F≤F? ，表明约束条件为真。 kU - kR恰为约束条件的个数。 根据需求理论，居民对食品的消费需求函数大致为 Q:居民对食品的需求量，X：消费者的消费支出总额 P1：食品价格指数，P0：居民消费价格总指数。 零阶齐次性，当所有商品和消费者货币支出总额按同一比例变动时，需求量保持不变 (*) (**) 为了进行比较，将同时估计（*）式与（**）式。 根据恩格尔定律，居民对食品的消费支出与居民的总支出间呈幂函数的变化关系: 首先,确定具体的函数形式 对数变换: 考虑到零阶齐次性时 (***) (****) (****)式也可看成是对（***）式施加如下约束而得 因此，对（****）式进行回归，就意味着原需求函数满足零阶齐次性条件。 X：人均消费 X1：人均食品消费 GP：居民消费价格指数 FP：居民食品消费价格指数 XC：人均消费（90年价） Q：人均食品消费（90年价） P0：居民消费价格缩减指数（1990=100） P：居民食品消费价格缩减指数（1990=100） 中国城镇居民人均食品消费 特征： 消费行为在1981~1995年间表现出较强的一致性 1995年之后呈现出另外一种变动特征。 建立1981~1994年中国城镇居民对食品的消费需求模型: (9.03) (25.35) (-2.28) (-7.34) 按零阶齐次性表达式回归: （75.86）(52.66) (-3.62) 为了比较，改写该式为： 发现与 接近。 意味着：所建立的食品需求函数满足零阶齐次性特征 例3.6.1 中国城镇居民对食品的人均消费需求实例中，对零阶齐次性检验： 取?=5%，查得临界值F0.05(1,10)=4.96 判断：不能拒绝中国城镇居民对食品的人均消费需求函数具有零阶齐次特性这一假设。 无约束回归:RSSU=0.00324， kU=3 受约束回归:RSSR=0.00332， KR=2 样本容量n=14， 约束条件个数kU - kR=3-2=1 这里的F检验适合所有关于参数线性约束的检验 如：多元回归中对方程总体线性性的F检验： H0： ?j=0 j=1,2,…,k 这里：受约束回归模型为 这里，运用了ESSR ＝0。 (*) (**) (*)式可看成是（**）式的受约束回归： H0： 相应的Ｆ统计量为：