种方法由 Davison and MacKinnon (1981) 提出。认为,如果模型( 1 )是正确的,那么从模型( 5 )得到的拟合值在模型(1) 中应该是不显著的。因此, 为了检验模型(1) 的正确性, 首先用 OLS 估计模型(5) 以得到拟合值, 并记为 Y ??。在新模型?????????????YXXXY kk?? 1 22110??(7) 中计算 Y ??的t 统计量,利用 t 检验拒绝或接受假定 0: 10??H 。显著的 t 统计量就是拒绝模型( 1 )的证据。类似的,为了检验模型( 5 )的正确性,首先用 OLS 估计模型( 1 )以得到拟合值,并记为 Y ??。在新模型?????????????YX XX Y kk??) log( ) log( ) log( 1 22110??(8) 中计算 Y ??的t 统计量,利用 t 检验拒绝或接受假定 0: 10??H 。以上两种检验方法可以用于检验任意两个具有相同的被解释变量的非嵌套模型。非嵌套检验存在一些问题。首先, 不一定会出现一个明显好的模型。两个模型可能都被拒绝, 也可能没有一个被拒绝。在后一种情形中,我们可以使用调整的 R- 平方进行选择。如果两个模型都被拒绝,则有更多的工作要做。不过,重要的是知道使用这种或那种函数形式的后果,如果关键性解释变量对被解释变量的影响没有多大差异,那么 8 使用那个模型实际上并不要紧。第二个问题是,比如说使用 Davison and MacKinnon 检验拒绝了模型( 5) ,这并不意味着模型( 1 )就是正确的模型。模型( 5 )可能会因为多种误设的函数形式而被拒绝。一个更为可能的问题是,在解释变量不同的模型之间进行比较时,如何实施非嵌套检验。一个典型的情况是,一个解释变量是 Y ,一个解释变量是) log( Y 。使用调整的 R- 平方进行比较,需要小心从事。
全文预览
