6、回归模型的假设检验(附)分解.doc

　　　　　　　　　　　　第6章 回归模型的假设检验 1，区间估计—基本概念 假设对消费函数回归分析之后，得出边际消费倾向的估计值为0.509。这是对未知的总体MPC的一个单一的点估计。这个点估计可不可靠？虽然在重复抽样中估计值的均值可能会等于真值，但由于抽样波动，单一估计值很可能不同于真值。在统计学中，一个点估计量的可靠性有它的标准误差来衡量。因此，我们不能完全依赖一个点估计值，而是围绕点估计量构造一个区间。比方说，在点估计量的两旁各划出宽为2或3个标准误差的一个区间，使得它有95%的概率包含着真实的参数值。这就是取件估计的粗略概念。 假定我们想知道宽竟，比方说，离有多“近”。为了这个目的，试求两个正数和,，使得随机区间包含的概率为。 （1） 如果存在这个区间，就称之为置信区间，称置信系数或置信度，称为显著水平。置信区间的端点称临界值。上限和下限。 0.05，0.01。 比方说，（1）式就可读为：试中的区间包含真实的的概率为95%。 2，回归系数的置信区间 一元回归时，在的正态性假定下，OLS估计量本身就是正态分布的，其均值和方差已随之列出。以为例 --（2） 的方差 这是一个标准化正态变量。因此，如果知道真实的总体方差已知，就可以利用正态分布对作概率性表达。当已知时，以为均值，为方差的正态变量有一个重要性质，就是之间的面积约占68%，95%，99%。 但是很少能知道，在现实中用无偏估计量来确定。用代替，（2）可以改写为 （3） 这样定义的t变量遵循自由度为n-2的t分布。用t分布来建立的置信区间 （4） t是(3)给出的值，而由显著水平为a/2和自由度为n-2的t分布给出的临界值。（3）带入（4），得 （5） 重新整理 (6) (6)给出的是的一个100的置信区间，在整理 （7） 假设通过回归分析求得，并且自由度=8。若求，也就是取95%的置信系数，查找t分布表=2.306。可证实的95%的置信区间为： （8） 再整理 对这个置信区间的解释是：给定置信系数为95%，从长远看，在类似于（0.4268，0.5194）的每100个区间中，将有95个包含着真实的值。但不能说95%的概率包含着真实的，因为这区间已经是固定的，不是随机的。要么落入其中要么落在其外，因此概率是不是1就是0。 3，假设检验 假设检验就是，某一给定的观测或发现是否与某声称的假设相符？ （1），置信区间的方法 利用上面的消费函数。，某人称 原假设 备择（替代）假设 --双侧假设 所观测的是否与相符？为了回答此问题，引用（8）的置信区间。从长远看，在类似于（0.4268，0.5194）的每100个区间中，将有95个包含着真实的值。 决策法则：构造一个的100（1-a）%的置信区间。如果在假设的下落如此区间，就不要拒绝。如果他落在在此区间之外就要拒绝。 遵照此规则，，显然落在上面的置信区间之外，因此能以95%的置信度拒绝MPC的真值是0.3的假设。即使原假设是正确的，我们得到一个大到0.509的MPC值，最多也只有5%的机会，这是一个小概率。 在统计学中，当我们拒绝原假设时，我们说统计上显著的。反之不显著。 （2），显著性检验法 显著性检验法是利用样本结果，来证实一个原假设的真伪的一种检验程序。根据手中算出的统计量的值决定是否接受原假设。 （9） 其中是在下的的值。遵循自由度为n-2的t分布。如果原假设下的真值被设定，则容易的算出t值。因此这个t变量就可作为一个统计量。置信区间为 （10） （10）再整理得 （11） 此式给出在给定时，以概率1-a的落入其中的区间。（11）中的置信区间叫做接受域，而置信区间以外的区域叫做拒绝域。 比较（6）和（11）就能看清假设检验的置信区间法和显著性