• F统计量
• t统计量
• 似然比统计量（LR）
• 沃尔德统计量（W）
• 拉格朗日乘子统计量（LM）
• JB统计量
• 赤池准则、施瓦茨准则、汉南准则
• 格兰杰因果性检验
• 邹突变点检验、邹稳定性检验、递归分析

1.F统计量

作用：检验模型总显著性

F统计量

2.t 统计量

作用：检验回归系数显著性

t统计量

3.F统计量

作用：检验线性约束条件是否成立

线性约束 线性约束 线性约束

4.似然比统计量（LR）

作用：检验线性约束条件是否成立

似然比统计量

5.沃尔德统计量（Wald）

作用：检验回归参数线性约束与非线性约束是否成立

沃尔德统计量 沃尔德统计量

6.拉格朗日乘子统计量（LM）

作用：检验回归参数线性约束与非线性约束是否成立

拉格朗日乘子统计量 image.png

关于LR、LM、Wald

比较 比较

究竟采取哪种检验常取决于“无约束估计”与“有约束估计”哪种更方便。
如果无约束估计更方便，常使用 Wald 检验(比如，对线性回归系数的显著性检验)；
如果有约束估计更方便，常使用LM 检验(比如，对异方差、自相关的检验)；
如果二者都方便，可使用LR检验(比如，对非线性回归方程的显著性检验)。

7.JB统计量

作用：检验模型误差项是否服从正态分布

JB统计量 JB统计量

8.赤池准则（AIC）施瓦茨准则（SC）汉南-奎因准则（HQ）

作用：检验模型最优滞后滞后期

准则

9.格兰杰因果性检验（Granger）

作用：检验模型变量间的因果关系

格兰杰 格兰杰

10.邹突变点检验（Chow）、邹稳定性检验、递归分析

作用：检验模型是否存在结构变化

10.1邹突变点检验（Chow）

Chow

10.2邹稳定性检验（Chow）

Chow

参考资料：
第13章模型检验的常用统计量
《计量经济学及Stata应用》 陈强