实验四系数约束检验分析.doc

实验四 系数约束检验 【实验目的】 掌握模型参数的线性约束检验、对回归模型增加或减少解释变量的检验。 【实验内容】 建立中国城镇居民食品消费需求函数模型。 【实验步骤】 表4.1列出了用当年价测度的中国城镇居民人均消费支出X，消费价格缩减指数P0，食品消费价格缩减指数P1，以及人均食品消费支出Q。 表3.5.1 中国城镇居民消费支出及价格指数 单位：元 年份 X（当年价） P0（2000年=100） P1（2000年=100） Q（2000年价） 1985 673.2 28.1 26.7 1315.9 1986 799.0 30.1 28.6 1463.3 1987 884.4 32.8 32.1 1475.0 1988 1104.0 39.5 40.1 1412.5 1989 1211.0 46.0 45.9 1437.2 1990 1278.9 46.6 45.4 1529.2 1991 1453.8 49.0 47.8 1636.3 1992 1671.7 53.2 52.9 1671.4 1993 2110.8 61.7 61.7 1715.9 1994 2851.3 77.2 82.8 1718.7 1995 3537.6 90.1 102.3 1732.1 1996 3919.5 98.1 110.4 1725.6 1997 4185.6 101.1 110.5 1758.2 1998 4331.6 100.5 107.1 1799.8 1999 4615.9 99.2 102.5 1885.7 2000 4998.0 100.0 100.0 1971.3 2001 5309.0 100.7 100.7 2013.8 2002 6029.9 99.7 100.6 2258.3 2003 6510.9 100.6 104.0 2323.5 2004 7182.1 103.9 114.3 2370.2 2005 7942.9 105.6 117.9 2472.7 2006 8696.6 107.2 120.9 2573.4 资料来源：《中国统计年鉴》（1990-2007） 一、模型参数的线性约束检验 直接从excel建立工作文件，输入如下命令增加各变量的对数值： Genr lnx=log(x) Genr ln P0=log(P0) Genr ln P1=log(P1) Genr lnQ=log(Q) 以各变量的对数值作多元线性回归，结果如图4-1。 图4-1线性回归方程估计结果 从图4-1中可以看出，方程估计结果如下： （模型1） (0.0000)(0.0000) (0.1766) (0.1648) 可以看出，方程拟合优度较好，总体显著性水平也较高，但是lnp0和lnp1两个变量的t统计量值较小，表现出不显著，我们暂时忽略，在第二部分将详细讲述。Lnx、lnp0和lnp1前面的系数之和近似为零，下面将进一步检验这三个变量前面的系数是否满足零阶齐次性条件。 点击view/coefficient tests/wald-coefficient restrictions（图4-2）， 图4-2 得到一个对话框，输入零阶齐次性条件公式（图4-3）， 图4-3 点击OK键，得到Wald检验结果（图4-4）： 图4-4 Wald检验结果 从图4-4可以看出，伴随概率较高，说明接受原假设，拒绝备择假设，即零阶齐次性条件显著。 二、对回归模型增加或减少解释变量 从图4-1可以看出，方程可决系数与F值都较高，但是lnp0和lnp1两个变量的t统计量值较小，表现出不显著，此时不能盲目将这两个变量都去掉，应考虑是否lnp0和lnp1存在多重共线性的情况（关于多重共线性将在实验七中讲到），从而使模型无法区分两者对被解释变量独立的影响，此时可以考虑适当删去某个变量，以消除模型的多重共线性的情况，那么到底删掉哪一个变量呢，这是我们接下来要解决的问题。 （1）检验是否增加某个（些）解释变量 若同时删去两个变量，方程的回归结果如下： 图4-5删去两个变量的估计结果 从图4-5可以看出，删去两个变量后，方程的可决系数和F值都明显降低，这说明删去两个变量之后，方程的拟合效果变差，此时我们应该考虑是否遗漏了某个变量。首先检验是否遗漏了变量lnp0，点击view/ coefficient tests/omitted variables-likelihood ratio（图4-6）， 图4-6 得到如下对话框（图4-7），输入lnp0， 图4-7 点击OK键，得到检验结果如下（图4-