3.多元分归分析2：推断教程.ppt

Economics 20 - Prof. Anderson Economics 20 - Prof. Anderson Economics 20 - Prof. Anderson Economics 20 - Prof. Anderson 多元回归分析：推断 y = b0 + b1x1 + b2x2 + . . . bkxk + u 对估计参数进行假设检验 * 主要内容 OLS估计量的统计分布 单个估计参数的假设检验 对方程总体的显著性检验 对参数约束的显著性检验 * 经典线性模型假设(CLM) 满足高斯-马尔科夫假设时，OLS估计量是最佳线性无偏估计量（BLUE） 为了进行假设检验，需要更多的假设 假设u与x1, x2,…, xk独立，u为正态分布，均值为0，方差为s2: u ~ N(0,s2) 在CLM下，OLS不仅是BLUE，而且是方差最小的无偏估计 CLM的总体假设可总结为： y|x ~ N(b0 + b1x1 +…+ bkxk, s2) 我们只是假设满足正态分布，在某些情形下这一条件并不满足 由中心极限定理，认为不可观测影响因素渐近服从正态分布 假定所有不可观测因素独立且具有可加性 在大样本情形下，即使没有误差项的独立性假定，OLS估计量也会渐近服从正态分布 * * . . x1 x2 单一解释变量下的正态性假设 E(y|x) = b0 + b1x y f(y|x) 正态分布 正态抽样分布 * t检验：单个估计参数的显著性 由于以 代替 ，因此 服从标准正态分布 / 服从卡方分布 零假设： H0: bj=0 第j个解释变量没有解释作用 在控制了其他变量的情形下，第j个变量对被解释变量没有解释作用 * t检验：单边检验 假设检验：零假设、备择假设、显著性水平（临界值） 单边： H1: bj 0 或H1: bj 0 双边： H1: bj ? 0 如果只有5%的概率拒绝H0 ，则称显著性水平为5% 确定了显著性水平a后，查自由度为n–k–1的t分布在(1–a) 分位点上的值，称为临界值c 如果t统计量大于临界值，则拒绝零假设 如果t统计量小于临界值，则不能拒绝零假设 * * yi=b0+b1xi1+ …+bkxik +ui H0: bj ≤ 0 H1: bj 0 c 0 a (1 - a) 单边假设检验 不能拒绝 拒绝 单边检验与双边检验 由于t分布是对称的，因此可直接检验H1: bj 0，临界值为前述临界值的负值 如果t统计量–c，则拒绝零假设；如果t统计量–c，则不能拒绝零假设 对于双边检验，根据a/2设定临界值，如果t统计量的绝对值大于临界值则拒绝H1: bj ? 0 。 * * yi=b0+b1xi1+…+bkxik+ui H0: bj=0 H1: bj≠0 c 0 a/2 (1 - a) -c a/2 双边检验 拒绝 拒绝 不能拒绝 H0: bj = 0检验总结 除非有特殊说明，一般认为备择假设为双边检验 如果拒绝零假设，则称“xj在a %的水平下统计显著” 如果不能拒绝零假设，则称“xj在a %的水平下不统计显著” * 一般的t检验 H0: bj = aj 在这种情形中，t统计量为 置信区间 根据双边检验中的临界值构造置信区间。 (1-a)%的置信区间为： * 计算t检验的p-值 给定置信度水平下的假设检验 构造对立假设，在给定的显著性水平下决定临界值 问题：显著性水平的确定具有随意性 给定t统计量的观测值，能拒绝原假设的最小显著性水平是多少 先计算t统计量，然后根据t分布的特征确定该统计量在分布图中所对应的面积，这一面积就是p值 P(|T||t|) p-值表示，如果原假设是正确的，理论上的t统计量至少不低于计算所得到的t统计量的可能性 p值越大，则越不能拒绝原假设 自由度为40时，p=P(|T|1.85)=0.0718：如果原假设是正确的，计算得到的t统计量大于1.85的可能性为7.18%；如果给定的显著性水平为5%，则不能拒绝原假设 * 线性组合检验 H0 : b1 = b2 构造t统计量 * 通常给出的回归结果并不包括s12，大多数的软件可以直接给出检验结果 某些线性组合检验可以通过构造变量交叉乘积的方式来实现 Stata reg y x1 x2 … xk test x1 = x2 例: 问题：选举花费对选举结果的影响 模型为：voteA = b0 + b1log(expendA) + b2log(expendB) + b3prtystrA + u H0: b1 = - b2或H0: q1 = b1 + b2