第十章公共政策分析方法.ppt

推断统计 做法 1.假设检验：原假设和对立假设。 2.单边检验与双边检验。 3.抽样误差计算 4.p-值决策 5.效应量计算。 假设检验步骤 利用样本信息，根据一定概率，对总体参数或分布的某一假设作出拒绝或保留的决断，称为假设检验。 完整的假设检验过程，一般经过四个主要步骤： ⑴提出假设 ⑵选择检验统计量并计算统计量的值 ⑶确定显著性水平 ⑷做出统计结论 以总体平均数的假设检验为例说明假设检验的基本原理。 当对某一个总体平均数（μ）进行假设检验时，首先从这个总体中随机抽取一个样本，计算出样本平均数的值。然后，假定样本所属总体的平均数（μ）等于某个假设的总体平均数（μ0），那么，这个样本就来自这个假设总体，样本统计量的值是这个假设总体平均数值的一个随机样本值，样本平均数与总体平均数之间的差异是由抽样误差造成的。 保留区间0.95 μ0 μ=μ0 从假设总体中抽取的一切可能样本统计量的值应当以假设的总体平均数为中心形成一个正态分布。这个分布可以分成两个区域。 如果这个样本统计量的值落在了这个抽样分布中出现概率比较大的区域里，这时只好保留零假设，即研究者不得不承认这个样本来自这个假设的总体，或者这个样本所属总体与假设总体没有真正的差异。如果这个样本统计量的值落在了抽样分布中出现概率极小的区域里，根据小概率事件在一次随机抽样中几乎不可能发生的原理，研究者不得不推翻这个样本所属总体等于假定的总体，或这个样本来自这个假定总体的假设，同时不得不承认样本统计量与假设总体的平均数所存在的差异并非抽样误差造成的，而是存在着本质的差异，在统计学中又叫做显著性差异。 假设 假设检验一般有两个互相对立的假设。 H0：零假设，或称原假设、虚无假设（null hypothesis）、解消假设；是要检验的对象之间没有差异的假设。 H1：备择假设（alternative hypothesis），或称研究假设、对立假设；是与零假设相对立的假设，即存在差异的假设。 进行假设检验时，一般是从零假设出发，以样本与总体无差异的条件计算统计量的值，并分析计算结果在抽样分布上的概率，根据相应的概率判断应接受零假设、拒绝研究假设还是拒绝零假设、接受研究假设。 小概率事件 样本统计量的值在其抽样分布上出现的概率小于或等于事先规定的水平，这时就认为小概率事件发生了。把出现概率很小的随机事件称为小概率事件。 当概率足够小时，可以作为从实际可能性上，把零假设加以否定的理由。因为根据这个原理认为：在随机抽样的条件下，一次实验竟然抽到与总体参数值有这么大差异的样本，可能性是极小的，实际中是罕见的，几乎是不可能的。 显著性水平 统计学中把拒绝零假设的概率称为显著性水平，用α表示。 显著性水平也是进行统计推断时，可能犯错误的概率。 常用的显著性水平有两个： α＝0.05 和 α＝0.01。 5 假设的形式 在确定检验形式时，凡是检验是否与假设的总体一致的假设检验，α被分散在概率分布曲线的两端，因此称为双侧检验。 双侧检验的假设形式为： H0：μ＝μ0， H1：μ≠μ0 凡是检验大于或小于某一特定条件的假设检验，α是在概率分布曲线的一端，因此称为单侧检验。 单侧检验的假设形式为： H0：μ≥μ0，H1：μ＜μ0 或者 H0：μ≤μ0，H1：μ＞μ0 在抽样分布曲线上，显著性水平既可以放在曲线的一端（单侧检验），也可以分在曲线的两端（双侧检验）。 图 正态抽样分布上α＝0.05的三种不同位置 α α 回归分析 一元线性回归分析 多元线性回归分析 * 回归分析(regression analysis)是指由自变量的变异来估计因 变量的变异问题,具体可通过建立回归方程来实现. 在热带作物 栽培和加工试验以及作物病虫害预测预报的研究中, 回归分析 有着极其广泛的应用.如在橡胶树产量研究中, 应用回归分析可 由蓬距、幼苗期刺检干胶量、叶脉角度等估测产胶量；在橡胶 树白粉病研究中，用越冬菌量、温度、湿度及橡胶物候等因子 可预测白粉病的流行强度等等. 按自变量个数的多少可将回归分析分为一元回归分析和多元 回归分析.只考虑一个自变量的回归问题称为一元回归分析,含有 两个或两个以上自变量的回归问题称为多元回归分析.以自变量 和因变量之间内在联系特征的不同,又可将回归问题分为线性回 归和非线性回归分析. * 回归模型 一元线性回归分析 回归模型建立的直观思想 如果对于自变量 x 的一个观测值 xi ,因变量y有一个相应的观 察值yi与之对应,则称 (xi , yi)组成一对观察值. 现假定x与y有n对 观察值(x1, y1), (x2 , y2) ,…, (xn , yn),把这n个点(xi , yi) 画在平面直