第十五章 定义和诊断检验.ppt_高铁梅老师的EVIEWS教学课件

第十五章的主题聚焦于在经验研究中定义和诊断检验的重要性，特别是在使用EViews软件进行统计分析时。定义检验涉及到对变量选择、函数关系以及时间序列中的动态结构的决策，这些决策在初期往往带有不确定性。一旦估计了方程，EViews提供了一系列工具来评估方程的定义质量，并通过迭代过程调整和优化。 本章介绍的检验主要分为三类：系数检验、残差检验和稳定性检验。这些检验通常涉及假设检验，其中包括对原假设的定义，以及检验统计量的样本值和对应的p值。p值是衡量在原假设为真时，观察到的统计量至少如此极端的可能性。如果p值低于预设的显著性水平（如0.05或0.1），则拒绝原假设。 系数检验是对估计系数的约束进行评价，其中Wald检验是最常见的方法。Wald检验通过对比无约束估计量与原假设约束条件的符合程度来计算统计量。在一般非线性回归模型中，Wald统计量基于无约束估计量和约束条件，如果约束成立，无约束估计量应接近满足约束。对于线性模型，Wald检验通常涉及线性约束，其统计量服从渐近的卡方或F分布。EViews会显示Wald统计量、F统计量及对应的p值，以供判断约束的有效性。 以Cobb-Douglas生产函数为例，其产出弹性之和的假设可以通过Wald系数检验来验证。在C-D模型中，如果产出弹性的和等于1，代表规模报酬不变；若不等于1，则可能表示规模报酬递增或递减。通过对估计结果进行有约束的Wald检验，我们可以确定产出弹性的统计显著性，从而判断模型的定义是否恰当。 除了上述提到的检验，还有其他如单位根检验（在第十三章讨论）、Granger因果检验（在第八章）和Johansen协整检验（在第十九章）等，它们在不同的分析场景中具有重要作用。这些检验帮助研究人员深入理解模型的性质，确保模型的设定能够准确反映现实世界的经济现象。 总结来说，定义和诊断检验在经济学和统计学中扮演着关键角色，它们帮助我们评估模型的合理性和参数的稳定性。通过EViews提供的各种检验工具，研究者可以不断优化模型，确保其定义的准确性，从而得出更可靠的结论。在实际操作中，理解并熟练运用这些检验方法对于提升研究质量至关重要。