|
在模型中之應變數為limit,truncated或censored時，參數之估計一般是
先對誤差項之分配作假設，據以建立概似函數，進而以最大概似法求得參
數估計值；而通常誤差項之分配均被假設為常態分配；倘若誤差項之真實
分配不為常態分配，則最大概似估計式為非一致性，即存在漸近偏誤。因
此，檢視資料是否具常態分配在此時仍為重要的課題。 Nelson(1981)基
於Hausman test之精神，提出在Tobit模型中檢視資料是否屬於常態分配
之檢定方法。檢定設定偏誤(misspecific- ation)之Hausman test，主要
著眼於兩個不同參數估計量之差異，一估計式在虛無假設(null
hypothesis)下具一致性及漸近有效性而在具設定偏誤的對立假設(
alternative hypothesis)下則不具一致性；而另一個估計式則是不論在
虛無假設亦或在對立假設下均具一致性。Nelson則選用最大概似估計式和
動差估計式(moment estimator)作為建立檢定資料具常態分配之檢定方法
。 Fernandez(1986)提出了推估Tobit模型的無母數最大概似估計式
(non-parametric maximum likelihood estimation)，此估計式之一致性
不受資料分配的影響，亦即distribution free。因此，吾人可藉著
Hausman test之精神，以比較Tobit模型中MLE與Fernandez估計式間之差
異作為Tobit模型中誤差項是否為常態分配之檢定方法。本文之主要目的
在於比較Nelson之檢定方法與以MLE與Fernandez估計量所建立之檢定方法
在常態性(normality)之檢定上之表現。
|