计量经济学4 多元回归分析：推断.pptVIP

第4章 多元回归分析：推断 4.1 OLS估计量的抽样分布 4.2 检验对单个总体参数的假设：t检验 4.3 置信区间 4.4 检验关于参数的一个线性组合的假设 4.5 对多个线性约束的检验：F检验 4.6 报告回归结果 4.1 OLS估计量的抽样分布 已经了解了OLS估计量的期望值和方差——有助描述OLS估计量的精密度 要进行统计推断，还需要知道估计量的抽样分布 4.1.1 正态性假定 样本中自变量的值既定，因而OLS估计量的抽样分布取决于误差分布 假定MLR.6 正态性 总体误差u独立于解释变量x1，x2，…，xk，而且服从均值为零，方差为s2的正态分布： 4.1.2 经典线性模型假定 高斯—马尔科夫假定与正态分布假定一起被称为经典线性模型假定 在实际应用中，误差不一定具有正态性 例子：考虑劳动力市场上，工资与教育、工作经历、在现任工作的任职年限的关系 4.1.3 定理 定理4.1 正态抽样分布 在经典线性假定下，给定自变量的样本值，有 证明：（仅证明β1） 注意： 的任何线性组合也都是正态分布的。 { }中的任何一个子集也都具有联合正态分布。 4.2 检验对单个总体参数的假设：t检验 对总体模型中的某个参数的假设进行检验 总体模型： 4.2.1 定理及概念 定理 4.2 标准化估计量的t分布 在经典线性模型假定下，有 证明： 正态分布：Y~N(μ,σ2) 标准正态分布：Z=（Y-μ）/σ~N(0,1) χ2分布：X=∑Zi2~χn2 t分布： ~tn F分布： ~Fk1，k2 虚拟假设： 4.2.2对立假设:单侧对立假设 拒绝法则： 在 时，H0在某一显著性水平上被拒绝并支持H1 如果在5%的显著性水平上拒绝H0并支持H1，则称xj是统计显著的，否则称xj是统计上不显著的。 随着t分布的自由度逐渐变大，t分布会接近标准的正态分布——df大于120，就可以使用标准正态分布的临界值。 例子：5%的显著性水平，df=n-k-1=28，临界值c=1.701 Example：小时工资方程 参数小于0的单侧对立假设 5%的显著性水平，df=18，临界值c=1.734 Example：学生表现与学校规模 一种观点认为，在所有其它条件相同的情况下，小学校的学生比大学校的学生的情况更好些。 变化函数形式：自变量取log 4.2.3 双侧对立假设 当经济理论（或常识）没有很好的说明bj的符号时，这是一个恰当的对立假设。即便知道bj在对立假设中的符号，采取双侧检验也是明智的——避免根据回归方程中参数估计值来提出对立假设。 双尾检验的拒绝法则： Example：大学GPA的决定因素 因变量：大学GPA (colGPA)；自变量：高中GPA (hsGPA)，大学能力测验分数(ACT)，每周缺课次数(skipped) 小结：t统计量检验显著性原理 如果H0成立， P{｜t｜t ?/2}＝ ? {｜t｜t ?/2}是小概率事件，如果该事件在一次抽样中就出现，说明假设H0值得怀疑，应当拒绝H0 检验步骤 （1）计算 | t | （2）查表求临界值 t?／2(n-k-1) （3）比较，下结论 如果 | t | ≤t?／2 ，则接受H0，认为在显著性水平为?的意义下， βj 不显著； 如果| t | ＞t?／2 ，则拒绝 H0，认为在显著性水平为?的意义下， βj 显著。 4.2.4 检验bj的其它假设 有时，也检验参数是否等于某个给定的常数 Example：住房价格和空气污染 506个社区组成的样本，估计一个联系社区中平均住房价格(price)与各种社区特征的模型：nox表示空气中氧化亚氮的含量，以每区的百万分子数度量；dist表示该社区相距五个商业中心的加权距离，以英里为单位；rooms表示社区平均每套住房的房间数；stratio为该社区学校的平均学生—教师比。总体模型为： 4.2.5 计算t检验的P值 使用经典方法进行假设检验，需要选择一个显著性水平。给定t统计量的观测值，能拒绝虚拟假设的最小显著性水平是多少——这个水平被称为检验的p值 P值检验法原理 如果p ?，则p/2 ?/2， t0落入接受域，应接受H0 如果p ?，则p/2?/2， t0落入拒绝域，应拒绝H0 P值检验法准则 当P 值小于显著性水平时，系数在显著性水平下是显著的 当P 值大于显著性水平时，系数在显著性水平下是不显著的。 P值检验法的优点 在使用上更简单,不用查临界值表 不将? 固定在某个武断的水平上是一个更可取的办法，最好