1、约束条件的检验,回归方程约束条件的检验 (受约束的回归),在建立回归模型时，有时根据经济理论需对模型中变量的参数施加一定的约束条件。,模型施加约束条件后进行回归，称为受约束回归;不加任何约束的回归称为无约束回归。,例如： 需求函数的0阶齐次性条件,城镇居民食品消费需求函数模型。,根据需求理论，居民对食品的消费需求函数大致为:,Q:居民对食品的需求量， X：消费者的消费支出总额 P1：食品价格指数， P0：居民消费价格总指数。,根据恩格尔定律，居民对食品的消费支出与居民的总支出间呈幂函数的变化关系:,对数变换:,(*),零阶齐次性，当所有商品和消费者货币支出总额按同一比例变动时，需求量保持不变,
2、考虑到零阶齐次性时,X：人均消费 X1：人均食品消费 GP：居民消费价格指数 FP：居民食品消费价格指数 XC：人均消费（90年价） Q：人均食品消费（90年价） P0：居民消费价格缩减指数（1990=100） P：居民食品消费价格缩减指数（1990=100,城镇居民对食品的消费需求模型:,(9.03) (25.35) (-2.28) (-7.34),按零阶齐次性表达式回归:,（75.86）(52.66) (-3.62),为了比较，改写该式为：,与,接近。,意味着：所建立的食品需求函数满足零阶齐次性特征。,（一）模型参数的线性约束,例如对模型:,施加约束:,得:,或:,(*),(*),如果对（
3、*）式回归得出:,则由约束条件可得：,然而，对所考查的具体问题能否施加约束？需进一步进行相应的检验。常用的检验有：F检验、x2检验与t检验。,F检验,在同一样本下，记无约束样本回归模型为:,受约束样本回归模型为:,于是:,受约束样本回归模型的残差平方和RSSR,于是,ee为无约束样本回归模型的残差平方和RSSU,(*),受约束与无约束模型都有相同的TSS,这意味着，通常情况下，对模型施加约束条件会降低模型的解释能力。但是，如果约束条件为真，则受约束回归模型与无约束回归模型具有相同的解释能力，RSSR 与 RSSU的差异变小。,由（*）式 RSSR RSSU 从而 ESSR ESSU,可用RSS
4、R - RSSU的大小来检验约束的真实性,根据数理统计学的知识：,于是：,讨论：如果约束条件无效， RSSR 与 RSSU的差异较大，计算的F值也较大。,于是，可用计算的F统计量的值与所给定的显著性水平下的临界值作比较，对约束条件的真实性进行检验。,注意，kU - kR恰为约束条件的个数。,例 城镇居民对食品的人均消费需求实例中，对零阶齐次性检验：,无约束回归:RSSU=0.00324， kU=3受约束回归:RSSR=0.00332， KR=2样本容量n=14， 约束条件个数kU - kR=3-2=1,取=5%，查得临界值F0.05(1,10)=4.96 结论：不能拒绝中国城镇居民对食品的人均消费需求函数具有零阶齐次特性这一假设。,这里的F检验适合所有关于参数线性约束的检验,（二）对回归模型增加或减少解释变量,考虑如下两个回归模型,(*),(*),(*)式可看成是（*）式的受约束回归：,H0：,相应的统计量为：,统计量的另一个等价式,如果约束条件为真，即额外的变量Xk+1, , Xk+q对没有解释能力，则统计量较小；否则，约束条件为假，意味着额外的变量对有较强的解释能力，则统计量较大。因此，可通过F的计算值与临界值的比较，来判断额外变量是否应包括在模型中。,讨论：,约束条件的检验,21,22,23,24,25,26,27,
