【2017年整理】四与多元回归分析：推断.pptVIP

第四章 多元回归分析：推断;受教育年限与每小时工资;OLS估计量的抽样分布;CLM假定 高斯-马尔科夫假定 假定6：正态性 u ~ N(0,?2) CLM假定下，y的条件分布： y=?0+?1x1+?2x2+…+?kxk+u y|x ~ N(?0+?1x1+?2x2+…+?kxk,?2) ;线性性;检验单参数假设：t检验; Z检验与t检验; 显著性检验（t检验）;原假设与备择假设（alternative hypothesis） 如原假设不成立，该如何： 双侧备择假设： 相应的检验为双侧检验（two-tailed test) 单侧备择假设： 或者 相应的检验为单侧检验（one-tailed test) ;若原假设成立： 备择假设双侧： 两侧都是拒绝域。 ;双侧检验的步骤： 原假设和备择假设： 计算t统计量的值： 给定显著水平?（通常为0.05），确定临界值 ;大学GPA的决定因素 其中，括号内为对应系数的标准差。 查临界值时，t分布的自由度是多少？ 哪些变量是显著的？哪些是不显著的？ ;若原假设成立： 备择假设： 右侧是拒绝域。 ;备择假设： 左侧是拒绝域。 ;检验步骤： 原假设和备择假设： 计算t统计量的值： 给定显著水平?（通常为0.05），确定临界值 ;若原假设和备择假设为： 统计量的计算相同，判定规则不同： 单侧检验和双侧检验的比较： t统计量的计算及其数值完全相同，临界值不同； 查临界值时，t分布自由度相同，但如果显著水平为?， 双侧检验使用?/2，单侧检验使用?； 同样的显著水平下，单侧检验更容易拒绝原假设，得出 自变量统计显著的结论。;小时工资方程 1%显著水平下，使用单侧检验，exper统计上显著吗？ 1%显著水平下，使用双侧检验，exper统计上显著吗？ 学生成绩与学校规模 enroll符号与预期相符吗，统计上显著吗？ ;若原假设不是 而是 应如何检验？ 具体的判断准则，与显著性检验完全相同;校园犯罪与注册人数 模型估计结果： b1统计上显著大于1吗？ ; t检验的p值;;将给定的显著性水平?与p值比较： 若p值? ，则在显著性水平?下拒绝原假设 若p值?? ，则在显著性水平? 下不能拒绝原假设 这一准则对于所有的检验都适用;用语的提醒 不能拒绝=接受？ 经济或实际显著性与统计显著性 经济或实际显著性取决于参数估计值的大小（及符号） 统计显著性取决于t统计量的值 样本很大的情况下，标准差很小，此时容易出现统计显 著而经济意义上不显著的情况——使用较小的显著水平 样本较小时，标准差较大，容易出现不显著的情况—— 使用较大的显著水平 养老金计划的参与率 ;培训津贴对企业废品率的影响 hrsemp显著吗？需要多大的显著水平？; 多重共线性与统计显著性;;由于：;研发支出模型 ; 案例1：规模报酬是不变的吗？;定义参数?： 原假设变换为： t统计量： 其中 ;能否直接将?作为模型参数进行估计？ 原模型变换为: ln Q=lnA+?lnK+(?-?)lnL+u 即： ;任意关于参数单个线性组合的检验都可以同样处理！ 多受一年专科教育的回报比得上多一年本科教育吗？ 将“待检验的理论”转化为关于参数的假设： 定义参数?1=?1-?2 ，原假设为 变换后的模型：;估计结果： 5%显著水平下，能认为专科和本科的教育回报相同吗？ 若令?2=?2 -?1： 原假设和备择假设是什么？ 给出变换后的模型形式。 能直接给出模型的估计结果吗？ 结论会发生变化吗？ ;对于多元回归模型： y=?0+?1 x1+?2 x2+…+?k xk + u 若自变量x1、 x2、… xk都无助于解释y，意味着什么？ 原假设和备择假设： 如何检验？ 若原假设成立，SSE相对于SSR将很小？ ;计算F统计量： 或者 给定显著性水平α，查找临界值进行判断： 若：FFα，不能拒绝原假设H0 认为没有自变量有助于解释y 。 FFα，拒绝原假设H0 认为至少有某些自变量能够解释y 。 ;Evaluation only. Create