第3章(一元线性回归模型)剖析.ppt

（3.3.6） （3.3.5） 若将正态随机变量 做标准化变换 即经过标准化变换的 均服从标准正态分布。 的标准化变换 我们定义： 用 代替 的标准差中的σ2，得到估计量的标准差的估计，为区别起见，称为标准误： 可以证明，用标准误对 作标准化变换，所得到的 和 已经不再服从 ，而是服从 ，即 （3.3.8） （3.3.10） （3.3.11） （3.3.7） （3.3.9） 的标准误 二、回归参数的区间估计 参数估计中的区间估计 选择一个显著性水平α(0＜α＜1)，并求一个正数δ，使得随机区间( )包含参数 （真实值）的概率为1-α，即 其中，1-α 称为置信系数（置信度、置信水平）, α 称为显著性水平，而( ) ，称为具有置信水平 1-α 的置信区间，也就是说，我们有 1-α 的“把握”认为，置信区间覆盖了真值 。这个区间也称为 的区间估计。置信区间的两个端点称为置信上限和置信下限。 给定置信度1-α，从t 分布表中查得自由度为 的临界值 ，那么t 值处在（- ， ）内的概率是 1-α（图3.3.1的中间空白区域面积），即 即 整理（3.3.14）式得 于是得到 的置信度为1-α 的置信区间 （3.3.13） （3.3.15） （3.3.16） （3.3.14） 图3.3.1 t分布的1-α 置信区间 具体构造参数的区间估计 三、变量的显著性检验：t 检验 为检验收入（X）是否显著地解释了消费（Y）的平均变化，设定假设检验的原假设（虚拟假设）和备选假设（对立假设）分别是 : , : 如果收入（X）显著地解释了消费（Y）的平均变化，那么参数 的估计值应该显著不为0，也就是说，我们应该以某种显著性水平拒绝原假设 。 由（3.3.11）式我们已经知道，在随机误差项的正态性假定下，有 将原假设代入以上的 t 统计量中，有 给定一个显著性水平α=0.05，在 t 分布表中可以查到一个对应的临界值 ，于是， 所界定的区间为接受域（严格意义上应该称为不拒绝域），而 称为拒绝域。 同理，如果原假设和备选假设分别是 ： ， ： 将原假设代入（3.3.10）中，有 图3.3.2 t检验法和p值检验法等价示意图---双侧检验 （3.3.17） （3.3.18） 四、检验统计量的 p 值 对回归参数的假设检验是在给定的显著性水平下做出的，因此当给定的显著性水平不同时，检验所得的结论很可能不同，甚至会产生相反的结论。在原假设既定、t 统计量已确定的情况下，对参数假设检验的结论与显著性水平息息相关。如何避免选择 α 的主观性?一个简单的方法是，在既定原假设下，计算t统计量的值，记为 ，在t分布表中可以查到 所对应的双尾（在概率趋于0的方向）的概率值，这个概率值即为t统计量的值等于 时的p值。p值参看图3.3.2，用公式表示，即为 使用这个p值就勿需人为地选择显著性水平，即可方便的做出拒绝或者不拒绝原假设的结论。 当原假设不是等于某个值，而是大于等于或者小于等于某个值时，就要使用单侧检验，包括：（1）左侧检验： ： ， ： ， 。此时临界值是 ，拒绝域是 。或者使用p值产生检验结论，见图3.3.3；