计量经济学 联合假设检验 F统计量 |
您所在的位置:网站首页 › 多元回归模型的假定 › 计量经济学 联合假设检验 F统计量 |
考虑这样一个问题,现在你拥有1个被解释变量y和4个解释变量,如何判断x3,x4这2个变量是没有必要的? 或者换个说法,你现在有x1,x2这2个解释变量,突然你在寻找数据时,发现了另外2个变量x3,x4可能能够被用在模型之中,这2个新变量纳入模型后是否有作用? 这两种说法本质上都是一样的,在大部分计量经济学的书中,这个问题叫做“对排除性约束的检验“(多重假设检验或联合假设检验), 我们要检验的是: 如果这个假设成立,那么剔除掉 怎么样才能衡量不受影响或者受到较小的影响? 考虑回归的一个重要的评价标准——残差平方和 当我们剔除掉一个变量时,SSR总会增加(如果这个变量对于y毫无有用的信息,那么SSR就会不变,但一般情况下数据都是有信息的),如果这两个变量的系数在一定显著性水平下可以被认为是0,那么剔除之后SSR增加的幅度不能太大 事实上,我们要做的就是统计学意义上上如何衡量SSR增幅满足不能太大的要求。 想要看到残差平方和的差距,首先要计算出两个SSR,即对原方程和剔除变量后的方程进行回归: 得到两个残差平方和 其中 F统计量服从自由度为(q,n-k-1)的F随机变量分布,而 在本文例子中, 我们通过计算可以得到F值,然后查阅 只有F的计算值比 同理,当F计算出来的确比较大的时候, 我们就不能认为 至此,我们已经完成了对这两个变量应不应该删去的判断。不过接下来还有几个问题要展开说一下。
问题1.为什么不在包含4个变量的不受约束模型中看这两个变量t值? 我们要判断的是这2个变量的去与留,而不是单独一个变量,这2个变量其实是联合在一起的,要不然一起丢弃,要不然全部保留,例如,我想判断在5%水平下应不应该保留2个变量,其中1个变量的p小于0.05,1个变量的p大于0.05,那么如何判断? 并且,如果2个变量系数的p值都大于0.05都不显著,也没办法认为2个变量系数在0.05水平下联合不显著! 伍德里奇的计量经济学导论现代观点第六版(中文版)158页中举了个例子,在一个回归方程中,两个变量系数的t值都很小,对应的p值都大于0.05,但是当我们利用联合假设时,得到的F统计量的p值为0.014,即拒绝联合为0的假设,因此伍德里奇在书里说道:“在检验一个联合假设时,孤立地看待每个t统计量,可能会误入歧途。 如果仅考虑一个变量,看t统计量就可以,事实上,对单个变量进行上述步骤检验是否应该被排除得到的F统计量,就是单个变量在原方程中的t统计量的平方,
问题2.为什么每次的回归结果也会有个F统计量的值? 这个F统计量其实也是按照上述步骤算出来的,只是受约束模型是将全部变量都剔除,因此回归结果自带的F统计量是用来判断回归方程的所有解释变量是否应该被联合丢弃或保留。
问题3.为什么不直接用y对想要抛弃的2个解释变量进行回归看F统计量? 在这个回归中,F统计量是判断x3与x4能否很好解释y,而不是在x1与x2的基础上,x3与x4能否很好解释y,我们还有x1和x2需要考虑。注意,我们的联合假设检验是在x1与x2这两个变量的基础上判断另外两个变量的必要性。
扩展1:F统计量的 利用两个方程的被解释变量都是y来进行转换,当被解释变量相同时,由于 SST仅和y有关,因此两个模型的SST都相同,而 可以得到: 即: 注意,这里的F统计量用的是=,而在F统计量最初定义中我们用的是
扩展2:当我想判断的约束并不仅仅是都等于0怎么办? 考虑这样一个方程 我们要判断一个联合假设: 模仿一下最开始的思路,先对原方程回归得到一个 问题就在于, 当我们把限制条件带入,可以得到方程: 由于 现在我们就可以回归了,得到一个 这里只能使用F统计量的SSR形式!因为现在两个模型的被解释变量不同了,一个是
|
今日新闻 |
推荐新闻 |
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |