限制模型

限制模型 (Restricted Model)

限制模型（Restricted Model）在计量经济学和统计学中，指在一个更普遍的模型即无限制模型的基础上，对其部分或全部参数施加特定约束后得到的模型。这些约束通常源于经济理论的假设，或是需要在统计框架内被检验的原假设。限制模型与无限制模型相对，后者是参数不受任何先验约束的最一般形式。分析限制模型的主要目的，是在假设检验框架内评估所施加的约束条件是否与观测数据相符。

假设检验的核心逻辑

限制模型在假设检验中扮演着至关重要的角色，其基本逻辑可以概括为四个步骤。首先，研究者将需要检验的理论或假设表述为对模型参数的一组约束，例如检验某个变量是否对因变量没有影响，这等价于假设该变量的回归系数为零。其次，将原假设即参数约束直接代入无限制模型，由此得到的新模型就是限制模型，它代表了原假设为真时的模型形式。再次，建立备择假设作为原假设的对立面，即参数约束不成立，此时无限制模型代表了备择假设为真时的模型形式。最后，通过比较限制模型和无限制模型对数据的拟合程度，判断原假设是否应该被拒绝。如果施加约束后模型的拟合优度显著变差，说明这些约束与数据严重不符，研究者有充分的理由拒绝原假设；反之，如果拟合优度没有显著变化，则不能拒绝原假设。

在标准多元线性回归框架下，无限制模型可以写为 $Y = \beta_0 + \beta_1 X_1 + \cdots + \beta_k X_k + \varepsilon$，所有 $k$ 个回归系数均可自由估计。限制模型则对其中 $j$ 个系数施加约束，例如 $\beta_3 = \beta_4 = \cdots = \beta_{j+2} = 0$，这相当于仅保留前两个解释变量有效，即对一组系数进行联合检验。F检验是标准比较工具，其统计量构造为 $F = ((RSS_R - RSS_U)/q) / (RSS_U/(n-k-1))$。其中 $RSS_R$ 和 $RSS_U$ 分别为限制模型和无限制模型的残差平方和，$q$ 为约束数量，$n$ 为样本量，$k$ 为无限制模型中回归量的个数。F统计量服从自由度为 $q$ 和 $n-k-1$ 的 F分布。当F值较大时，意味着约束显著恶化了模型拟合，研究者应拒绝原假设，认定所施加的约束不成立。

常见形式与扩展应用

常见的限制模型形式包括多种类型。排除约束将某些变量的系数固定为零，既可以是针对单个参数的t检验情形，也可以是针对多个参数联合为零的F检验情形，在模型筛选和逐步回归中被广泛使用。线性约束要求参数间满足特定的线性等式关系，例如 $\beta_1 + \beta_2 = 1$，这在检验规模收益不变时经常出现，Cobb-Douglas生产函数中各投入弹性之和为一的约束就是线性约束的典型例子。

结构变化检验是限制模型的另一重要应用。Chow检验将回归系数按两个子样本分别估计，形成无限制模型，同时对全样本施加等系数约束形成限制模型，通过F检验判断两个子样本之间是否存在统计显著的结构断裂。广义而言，限制模型的概念不仅适用于线性回归，在广义线性模型、面板数据分析（例如混合OLS可视为固定效应模型的约束形式，即约束所有个体效应为零）以及系统估计中也有广泛适用性。在最大似然框架下，似然比检验通过比较限制模型和无限制模型的对数似然值来构造检验统计量，即 $LR = -2(\ln L_R - \ln L_U)$，其在渐近意义上服从卡方分布。限制模型作为嵌套模型比较概念的核心体现，是计量经济学科学方法中可证伪性在统计框架内的直接可操作化。