本科经济计量学附录D(第四版).pptVIP

附录D 统计推断：估计与假设检验;D.1 统计推断的含义 D.2 估计和假设检验：统计推断的两个孪生分支 D.3 参数估计 D.4 点估计量的性质 D.5 统计推断：假设检验 D.6 总结;D.1 统计推断的含义;表5-1 纽约股票交易市场上28家上市公司的价格收益比(P/E);D.2 估计和假设检验：统计推断的两个孪生分支;D.3 参数估计; 区间估计是指要估计出一个区间，使得这个区间包含真实参数的概率达到事先给定的置信水平(置信系数confidence coefficient) 。 概念： 置信系数confidence coefficient，置信度，置信水平，1-α α称为显著水平 level of significance ，犯第一类错误的概率 ;例：如前例;19.57 26.93 P/E比值 图5-2 总体平均的P/E的置信区间 ; 一般地，假定总体X是一服从某一概率分布的随机变量，要对其参数进行估计，可以按照下面步骤进行： (1) 从总体中抽取容量为n的随机样本 (2) 寻找与待估参数有关的统计量 (3) 查表得到该统计量的置信上限和置信下限 (4) 通过待估参数与统计量的关系换算得到待估参数的置信上限与置信下限。 (5)代入相应的样本值即可得具体的置信区间。;D.4 点估计量的性质;线性 若估计量是样本观察值的线性函数，则称该估计量为线性估计量。 显然，样本均值是一个线性估计量。 ;例5-1：若总体服从正态分布，从中得到一个样本容量为n的简单随机样本。则样本均值是总体真实均值的无偏估计量；如果从正态总体中重复抽取ｍ个样本，并计算每个样本的样本均值，则平均而言，样本均值等于真实的总体均值。但需要谨慎的是，我们不能仅通过一个样本就认为计算的样本均值就一定与真实的均值相一致。 ;有效性 如果有几个估计量都是无偏估计量，我们可以考察这些估计量的方差，方差最小的估计量称为有效估计量。 ;最优线性无偏估计量 线性、无偏，且在所有线性无偏估计量中它的方差最小。(best linear unbiased estimator, BLUE);例：假定 从该正态总体中抽取一个容量为n的随机样本，考虑ux的两个估计量： 前者是无偏估计量，后者是有偏估计量，但随着样本容量n的增大，有： 所以，后者是一个渐进无偏统计量，也是一个一致估计量。见图5-6。 ;5-6;D.5 统计推断：假设检验;单边备择 单边备择 双边备择;假设检验的方法 1.置信区间法 ;第一类错误和第二类错误：一个偏离;犯第一类错误的概率 =犯弃真错误的概率 犯第二类错误的概率 =犯取伪错误的概率;例5-3：坛子里的花生的重量服从标准正态分布，但均值和标准差均是未知的，均值和标准差的度量单位为盎司。随机选取20个坛子发现其样本均值和样本标准差分别为6.5盎司和2盎司。检验零假设：真实均值为7.5盎司；备择假设：真实均值不是7.5盎司。给定显著性水平1％。 ;因为真实方差是未知的，所以有： 从附录A中表A-2的t分布表可知，自由度为19时， 计算得到： 因为零假设值落入该区间内，所以在1％的显著水平下，我们接受零假设。 ;例：在例5-3中，若显著水平为5％，即决定冒更大的风险犯第一类错误。那么，情况如何？ 解：根据t分布表，当显著水平为5％，自由度为19时，t的临界值为-2.093和2.093，此时有： 得到： 零假设值未落入该区间内，所以在5％的显著水平下，可以得到拒绝零假设的结论。这并不奇怪，也与前面的结果不矛盾，此时，我们愿意冒较大的风险去犯第一类错误，即弃真错误。 ;;2.显著性检验 显著性检验：在给定显著性水平下，为考察样本值的显著性而进行的假设检验。 检验是统计显著的：能够拒绝零假设，即观察到的样本值落入拒绝域。 检验是统计不显著的：不能够拒绝零假设，即观察到的样本值落入接受域。 ; 若备择假设是双边的，从而拒绝域也是双边的，称其为双边检验。 如;注： 表示在零假设下 的某一取值。表中最后一列给出了临界值，t统计量的第一个下标代表了显著性水平，第二下标代表自由度。;双边检验;例：已知50支股票样本的P/E比值数据，计算得到：样本均值=11.5，样本标准差S=3.0456，用假设检验的方法判断总体真实均值是否为13。