三大检验
,拒绝原假设。
• 检验统计量,
ˆ C) Var g ( ˆ) C (g ˆ C) ~ 2 (q) W (g
• Wald只需要估计无约束模型,但需要计算渐进协方差矩阵。
1
a
2014-5-23
中级计量经济学
9
• 在线性约束条件下, Wald检验
(Y X )(Y X ) L(Y , X ; , ) (2 ) exp{ } 2 2
2 2 n 2
• 对数似然函数:
n n (Y X )(Y X ) l LnL Ln 2 Ln 2 2 2 2 2
1 l ˆ) 0 ( 2 X Y 2 X X 2 ˆ ˆ 2 l n 1 (Y X ˆ )(Y X ˆ) 0 2 2 4 ˆ ˆ ˆ 2 2
H0 : R r
ˆ r ) R ˆ r ) ~ 2 (q) ˆ W ( R ( X X ) R ( R
2 1 1 a
• 拒绝域,
2 W (q)
• Wald统计量另一种表达形式,
' n(e* e* ee) W ~ 2 (q) ee
三大检验
一、最大似然估计(ML) 二、似然比检验(LR) 三、Wald检验 四、拉格朗日乘子检验(LM)
• 前面介绍的F检验适用于检验模型的线性约束。如果模型是非线性的
、或者约束是非线性的、或者扰动项分布是非正态的,在这些情况下 ,F检验不再适用,通常需要采用LR、Wald、LM其中之一来检验约 束条件是否成立。这三个检验方法是渐进等价的,他们所用统计量的 小样本分布是未知的,但都渐进服从自由度为约束个数的卡方分布。
2014-5-23
中级计量经济学
5
• 3、最大似然估计量(MLE)的性质:
ˆ 是 的一致估计量,即 • (1)一致性:
ˆ ) 1, 为任意给定的正数。 lim P
n
ˆ 是渐进有效的且达到所有一致估计量的 • (2)渐进有效性: ML
Cramer-Rao下界,即是所有一致渐进正态估计量中方差最小的
2014-5-23 中级计量经济学 11
•
如果约束成立,对数似然函数值不会有显著变化。这就意味着在一
阶条件下,第二项应该很小,特别是
应该很小。因此,约束条件
是否成立检验转化成检验 H : =0 ,这就是拉格朗日乘子检验的思 0 想。
•
但是直接检验 H0: =0 比较困难,有一个等价而简单的方法。如
' ne* X ( X ' X ) 1 X ' e* 2 2 LM= = nR ~ (q) ' e*e*
' e e 有约束模型残差平方和; ** R 2是e*对X 回归的拟合优度;
• 拒绝域,
2 LM nR2 (q)
2014-5-23
中级计量经济学
14
• LM统计量另一种表达形式,
• 对未知参数求导:
2014-5-23
中级计量经济学
4
ˆ (X X ) 1 X Y • 得到, ML 2 1 ˆ ML ee n
• 与OLS对比
将估计量代入对数似然函数,得到最大对数似然估计值
n n l LnL Ln( ) 1 Ln(ee) 2 2
' e e 有约束模型残差平方和; * * ee无约束模型残差平方和;
2014-5-23 中级计量经济学 10
四、拉格朗日乘子检验(LM)
• 基本思想:拉格朗日乘子检验(LM),又称为Score检验。该检验基
于约束模型,无需估计无约束模型。
• 假设约束条件为 H0 : g C ,在约束条件下最大化对数似然函数 ,另
数(Likelihood Function), 即观测到所给样本的可能性.
ˆ ,使得似然函数达到最 • 极大似然原理就是寻找未知参数 的估计
大,或者说寻找使得样本
Y , X 出现的概率最大的 ˆ
。
2014-5-23
中级计量经济学
3
• (三)线性回归模型最大似然估计 • 1、估计结果 Y X u u~N (0, 2 In )
' n(e* e* ee) 2 W ~ (q) ' e*e*
' e e 有约束模型残差平方和; * * ee无约束模型残差平方和;
• LR、 Wald 、LM关系(一般情况下成立):
Wald LR LM
2014-5-23
中级计量经算对数似然函数的导数应该近似 为零,如果该值显著异于零,则约束条件不成立,拒绝原假设。
• 对数似然函数的导数就是得分向量,因此,LM检验就是检验约束条件
下参数估计值的得分向量值是否显著异于零,因而,LM检验又称为得 分检验。
2014-5-23
中级计量经济学
12
ˆ) 0 ,可以求出无约 • 在最大似然估计过程中,通过解似然方程 S (
• 似然比:
L( , 2 ) ˆ , ˆ2) L(
• 无约束模型似然函数值: • 有约束模型似然函数值:
ˆ , ˆ2) L(
L( , 2 )
中级计量经济学 7
2014-5-23
• 显然 0 1 。如果原假设是真,则 趋近于1;如果 束无效,拒绝原假设。 • 可以证明,对大样本来说,检验统计量为,
表示拉格朗日乘子向量,此时,拉格朗日函数为, LnL ( ) LnL( ) g( ) C
• 约束条件下最大化问题就是求解下式根,
LnL ( ) LnL( ) g 0 LnL ( ) g( ) g ( ) C 0 其中,g 是矩阵g= 的转置
ˆ , ˆ 2 ) ln L( , 2 ) ~ 2 (q) LR 2ln 2 ln L (
太小,则约
• 拒绝域,
LR
2 1
(q )
• 似然比检验另一种表达,
' LR 2 ln n(ln e* e* ln ee) ~ 2 (q)
' e e 有约束模型残差平方和; ** ee无约束模型残差平方和;
2014-5-23
中级计量经济学
8
• 三、Wald检验
H0 : g C
• 如果约束条件为真,则g
MLE
C 0 不应该显著异于零,其中 MLE 是
MLE g C显著异于零时,约束条件无效 无约束极大似然估计值。当
• 似然比检验(Likelihood Ratio Test,LR)、沃尔德检验(Wald Test,W )、拉格朗日乘数检验(Lagrange Multiplier,LM)是三种基于极大似 然法的大样本检验方法。
2014-5-23
中级计量经济学
2
• 一、最大似然估计(ML)
• (一)极大似然原理
• 假设对于给定样本 Y , X ,其联合概率分布存在, f Y , X ; 。将该 联合概率密度函数视为未知参数 的函数,则 f Y , X ; 称为似然函
束估计量 ˆ ;如果计算有约束估计量 在此处得分,则 S ( ) 一般 不为零,但是如果约束有效,则 S ( ) 趋近于零。 • 在原假设成立条件下,
LM S ( ) I ( ) S ( ) ~ 2 (q)
1
a
2014-5-23
中级计量经济学
13
• 对于线性约束
• 将有关量代入上式得,
• (3)渐进正态性
2014-5-23
中级计量经济学
6
二、似然比检验(LR)
• 1、似然比 • 命题: H0 : g C • 检验思想:如果约束是无效的,有约束的最大似然函数值当然不会超 过无约束的最大似然函数值,但如果约束条件“有效”,有约束的最
大值应当“接近”无约束的最大值,这正是似然比检验的基本思路。