基于t检验的逐步回归的改进

传统的逐步回归是依据偏回归平方和所构造的F统计量进行F检验来完成的,F检验的目的是判断变量是否应该引入或剔除。文章通过论证发现,在普通最小二乘估计下,逐步回归中的F检验和对应解释变量的显著性t检验是等价的,利用t检验同样可以完成逐步回归,t检验下的逐步回归结果和F检验下的逐步回归结果一致。     

简单线性相关与回归分析中各种检验及其相互关系的探讨

存在简单线性相关的两个变量相关系数的检验如果显著,文章通过推导得出结论:一是与之相对应的二变量所建立的回归分析中回归系数β1的显著性检验、F检验也通过,三者是等价的。t统计量的值与tβ和F值存在数量上的关系是t2=tβt2=F;二是要得到满意的回归方程,除了要进行统计检验之外,还要进行计量检验。     

基于蒙特卡罗模拟的误差序列自相关检验研究

进行计量经济分析时一般都要检验模型是否存在自相关性,但目前常用的几种自相关检验方法都不同程度地存在一些问题,对此进行进一步的研究有重要意义。对于一阶自相关性检验,DW检验是最常用的方法,但其存在两个不确定区域。针对给定的解释变量,运用模拟方法,可以得到DW检验的临界值,从而克服了其存在不确定区域的缺陷。回归检验法则无可用的临界值,也可以用模拟方法计算其临界值,而且除检验功效很接近1的情形外,回归检验法的功效显著大于DW检验,可以替代DW检验。当样本量不是很大时,LM检验统计量的临界值与卡方分布的临界值差距较大,不能使用标准卡方临界值。在LM检验中,通常通过对最高阶滞后项系数进行t检验以确定自相关的阶数,但LM检验中最高阶滞后项系数的t统计量与标准t分布有较大差距,也不能用t分布临界值。     

边限检验理论及几点讨论

检验经济变量之间长期关系的协整技术要求变量是同阶单整的,这不可避免地涉及一定程度的预检验问题,而预检验问题会增加变量间长期关系分析的不确定性。当不能确定变量的单整类型时,边限检验理论提出了一个可以直接检验一个变量和一组解释变量之间长期关系的新方法。在介绍了边限检验方法中基本的VAR模型和假设及边限检验方法中用到的重要统计量——Wald统计量和T统计量及它们各自的渐近分布形式后,说明了边限检验理论在理论和实际运用当中需要注意的几个问题,最后通过实例分析说明了边限检验理论的运用。     

一类新的多重共线性检验方法

解释变量间的相关性导致了多元线性回归模型的多重共线性问题,由于考察相关性的角度和方法不同,产生了不同的多重共线性的检验方法。由阿达马不等式可以构建多个变量的综合相关性度量指标,将该指标用于度量多元线性回归模型的解释变量的综合相关程度,用以作为多元线性回归模型多重共线性的一类检验方法。     

计量经济学中函数设定形式的检验

在建模的实践中,并不存在惟一的方法来表现被解释变量和解释变量之间依存关系,因此在实际建模过程中,就存在一个从多个备择模型形式中进行选择以及对所选模型形式进行诊断检验的问题.函数设定形式的检验是指关于对条件期望函数(条件均值方程)的具体函数形式的设定以及对所设定的函数形式进行检验两个方面.文章对此进行了讨论.     

格兰杰伪因果关系检验的小样本性质研究

基于MC模拟方法研究了格兰杰伪因果关系的小样本性质,结果表明伪因果关系的发生概率会随着数据过程持久性的增强而增大,但会随着样本容量的增加而减少,且由于检验式的设定使得经Newey-West修正的检验方法并没有明显优势。通过解释变量和被解释变量的持久性对伪因果关系的影响以及与OLS估计的伪回归比较分析,表明随机干扰项的自相关或异方差是产生伪因果关系的主要原因,这为解决伪回归和伪因果关系问题提供了统一研究框架。     

Granger因果关系检验的模型选择与相关策略研究

运用Granger因果关系检验识别确定经济变量间因果关系是经济研究中极为常见的分析模式,然而在具体应用时,Granger因果关系检验的功效会受到模型形式选择与检验策略因素的影响,为此,解析了Granger因果关系检验的水平型VAR、差分型VAR、VEC三种模型形式选择的基本原理,探讨了与模型选择相关的四大检验策略,即变量个数选择、滞后阶数选择、变量单整性检验、协整空间维数选择,并给出了Granger因果关系检验相对稳妥的实践操作程序。     

一种检验回归参数差异的新方法

对回归模型的参数进行比较是计量经济学研究的一个重要内容.文章提出了一种新的思路来对回归模型的参数的差异进行检验,该方法与一般人们所用的Wald统计量来检验的方法和使用虚拟变量的方法相比而言比较灵活,应用面较广,它既可以对同一个回归方程的不同参数的差异进行比较,也可以对两个解释变量个数不同的回归方程的不同参数进行比较,在一定程度上能够解决其他方法所不能够处理的问题.     

一种多变量线性回归模型的异方差检验方法

文章在G-Q检验的基础上,给出了一种针对多变量的推广的G-Q异方差检验方法,并通过实例分析说明了推广的G-Q异方差检验方法的可行性和有效性。     

LSTAR-GARCH模型的单位根检验

LSTAR模型的单位根检验往往易忽视其条件方差的时变性,实际上,对许多经济变量尤其是金融变量建立LSTAR模型后,经常发现其条件方差存在GARCH效应。针对LSTAR-GARCH模型的平稳性检验,本文构建了检验统计量tNG,之后在极大似然估计的基础上,推导出tNG的渐近分布,通过蒙特卡洛模拟方法得到该统计量的渐近临界值,并在此基础上研究了tNG检验的检验功效。在与刘雪燕和张晓峒(2009)提出的tNL检验、Ling等(2003)提出的tLG检验以及DF单位根检验进行比较后,发现tNG检验具备明显优势。     

空间动态面板模型的时间滞后效应检验

空间面板数据模型由于考虑了经济变量间的空间相关性,其优势日益凸显,已成为计量经济学的热点研究领域。将空间相关性与动态模式同时扩展到面板模型中的空间动态面板模型,不仅考虑了经济变量之间的空间相关性,还考虑了时间上的滞后性,是空间面板模型的发展,增强了模型的解释力。考虑一种带固定个体效应、因变量的时间滞后项、因变量与随机误差项均存在空间自相关性的空间动态面板回归模型,提出了在个体数n和时间数T都很大,且T相对地大于n的条件下空间动态面板模型中时间滞后效应存在性的LM和LR检验方法,其检验方法包括联合检验、一维及二维的边际和条件检验;推导出这些检验在零假设下的极限分布;其极限分布均服从卡方分布。通过模拟试验研究检验统计量的小样本性质,结果显示其具有优良的统计性质。     

用Pearson's卡方统计量进行统计检验时应注意的问题

列联表的卡方检验用于检验两个分类变量的关联程度.文章认为,卡方数值的大小与样本容量有关,在卡方检验中,需要报告关联系数;并且,在实际应用中还需注意卡方检验的条件,在有20%以上的理论次数小于5或有理论次数小于1时不能应用卡方检验;此外,在两个变量都是顺序变量时,两个变量的关联程度用Gamma眦检验比用卡方检验更好.     

多重共线性的解决:剔除变量的新标准

当使用剔除变量法解决线性回归模型的多重共线性问题时,根据方差膨胀因子的大小来选择被剔除变量是存在缺陷的.解释变量显著性检验的t统计量的绝对值大小反映了该解释变量对被解释变量的贡献程度的大小,因此可以将t统计量绝对值作为剔除解释变量的依据,从而得到一类多重共线性的解决办法.     

判别分析统计检验体系的探讨

判别分析已越来越受到人们的重视并取得了重要的应用成果，但应用中存在着简单套用的情况，对判别分析的适用性、判别效果的显著性、判别变量的判别能力以及判别函数的判别能力的检验等问题重视不够。为了更好地应用判别分析，就应对判别分析进行统计检验并建立统计检验体系，统计检验体系应包括：判别分析适用性检验，判别效果显著性检验，判别变量的判别能力检验和判别函数的判别能力检验。     

相关四格表数据资料检验方法的进展与应用

McNemar检验是两个相关二分变量差异显著性检验的常用方法，但其仅根据前后测试结果发生变化的部分得出检验结果，并未考虑前后测试结果一致部分对差异显著性的影响，因此，McNemar检验实际上是在部分样本基础上进行的检验。由于McNemar检验在相关教材中广泛存在，各领域研究者在统计应用中仍然选用。为了尽快使有关应用者了解修正公式，使各领域研究得出更准确的结果，文章对两个相关二分变量差异显著性检验进展结果作了介绍，并对近期一些文献中检验结果与修正结果进行了比较。     

局部线性趋势模型单位根检验量分布与Bootstrap检验

本文引入局部趋势概念,研究数据生成和检验式都含有趋势单位根过程中伪t检验量的分布,结果表明该分布为标准正态分布与第四种DF分布的混合体,并揭示了向这两类分布转化的条件.为摆脱伪t检验量受到特定参数约束而不能用于实证分析的困境,本文提出了Bootstrap检验方法,并从理论上证明该方法可用于水平检验和功效研究,埃奇沃思展开进一步证实该方法能够降低水平扭曲.蒙特卡洛模拟结果显示,Bootstrap检验量具有最高检验正确率,检验功效在一定条件下也能与标准正态分布的检验结果相媲美,说明Bootstrap方法可以用于此类模型的单位根检验.     

能源与经济因果关系检验:回顾与展望

针对国内外能源与经济因果关系众说纷纭的现状,在总结Granger因果关系检验方法发展脉络的基础上,归纳检验变量之间因果关系的统计方法及其在国内外能源消费与经济发展关系实证检验的结果,做出四个代际划分,并按照检验因果关系四个代际的区分与相应的优劣,给出适用于时间序列和面板数据统计因果关系检验的一般步骤。同时指出面板数据、非线性因果关系检验方法将成为研究的发展方向。     

数据的正态性检验方法及其统计软件实现

数据的正态性是统计学中点估计,假设检验等理论的基础,在t检验,F检验,卡方检验中都需要检验变量的分布是否为正态;另外方差分析,回归分析等统计分析中也都首先验证待分析的数据是否为正态.数据的正态性检验是进行大部分统计分析的第一步.文章介绍了最常用的验证数据正态分布的方法,同时对它们在统计分析软件R中的实现进行介绍.     

IV估计框架下模型设定检验问题的讨论

 IV估计框架下各种统计量的良好性质依赖于相应的模型设定,如果这些模型设定未能得到数据的支持,其统计推断结论将是不可靠的。如判定计量经济模型是否存在内生性的Hausman检验,实证研究中同一问题的检验结果可能大相径庭。如何通过合理的模型设定检验程序来获得模型参数科学、可靠的估计结果和检验结论呢？本文讨论了工具变量估计框架下的各种模型设定检验问题,明确了各个检验统计量的适用条件及其逻辑联系,给出了工具变量估计框架下模型设定检验的一般步骤。