检定回归的整体显着性.PPT

雙邊對立假設 CH4 複迴歸分析：推論 第153頁 圖4.4 檢定關於βj 之其他假設 若虛無假設為 其中αj為βj的假設值，而合適的t 統計量為 一般化的t 統計量寫成下式是有用的 CH4 複迴歸分析：推論 第154頁 4.12 4.13 檢定關於βj 之其他假設 CH4 複迴歸分析：推論 第156頁 圖4.5 計算t 檢定之p 值 若迴歸軟體報表中在標準OLS 結果內附帶有p 值，我們幾乎可以確定該p 值是檢定虛無假設H0 : βj = 0 (對立於雙邊假設)。此時p 值為 令T 代表自由度為n－ k － 1之t 分配的隨機變數，且令t 代表t 統計量之數值。 p 值為若虛無假設為真，最大觀察到某t 統計量之機率。這代表小的p 值是反對虛無假設的證據；大的p 值並未提供反對H0 的證據。 CH4 複迴歸分析：推論 第158-159頁 4.15 計算t 檢定之p 值 CH4 複迴歸分析：推論 第159頁 圖4.6 由於本節中我們一直強調統計顯著性，現在是一個提醒我們除了t統計量的大小外也應注意係數之估計大小的好時機。 xj 之統計顯著性完全是取決於 之大小，而一變數之經濟顯著性(economic significance)或實際的顯著性(practical significance) 則和 之大小(以及符號) 有關。 CH4 複迴歸分析：推論 第161頁 經濟(或是實際) 顯著vs. 統計顯著 記得檢定H0: βj = 0之t 統計量的定義是將估計除以其標準誤： 。因此， 可代表統計顯著性，一方面是由於 「夠大」或是由於 「夠小」，在實證上區別t 統計量統計顯著的原因是很重要的。太過強調統計顯著性可能導致該變數(即使其估計的效果不大) 在解釋y 上「很重要」的錯誤結論。 CH4 複迴歸分析：推論 第161頁 經濟(或是實際) 顯著vs. 統計顯著 4.2 單一母體參數之檢定假設：t 檢定 探討複迴歸模型中某變數之經濟及統計顯著性的指導原則： 檢查統計顯著性。若該變數為統計顯著，則探討該係數的大小以了解其實際或經濟的重要性。後面這一步驟需要小心，它取決於自變數和應變數如何出現在方程式中。(特別是，衡量單位為何？變數是用對數形式嗎？) CH4 複迴歸分析：推論 第163頁 4.2 單一母體參數之檢定假設：t 檢定 探討複迴歸模型中某變數之經濟及統計顯著性的指導原則： 若在一般水準下(10%、5% 或1%) 統計不顯著，你或許仍然要問是否該變數對y 有預期的效果，且是否該效果在實際上是夠大的。該效果夠大，你應該算出該t 統計量的p 值。就小樣本而言，有時你可以允許p 值大到0.20 (不過並沒有嚴格的規定)。在大的p 值下，即小t 統計量，我們會由於該估計可能是因為抽樣誤差，可能有誤判的危險：不同的隨機樣本可能導致非常不同的估計。 CH4 複迴歸分析：推論 第163-164頁 4.2 單一母體參數之檢定假設：t 檢定 探討複迴歸模型中某變數之經濟及統計顯著性的指導原則： 發現t 統計量很小之變數的符號「錯誤」是很普遍。就實用的目的而言，它們是可被忽略的：我們以此做出這些變數是統計不顯著的結論。一個顯著的變數有非預期的符號及實際上大的效果會產生較大的麻煩，且較難以解決。通常我們必須對模型及資料性質考慮得更多以解決這種問題。通常，一個違反直覺且顯著估計是肇因於遺漏一主要變數或是自我們將在第9 章所討論之重要問題而來。 CH4 複迴歸分析：推論 第164頁 4.3 信賴區間 在古典線性模型假設下，我們可以很容易地建構母體參數βj 之信賴區間(confidence interval, CI)。 信賴區間由於它們對母體參數提供可能之值的範圍，而不僅是點估計，也稱為區間估計(interval estimates)。 CH4 複迴歸分析：推論 第164頁 4.3 信賴區間 利用 為自由度n － k － 1之t 分配 [見(4.3) 式]，經過簡單運算可得到未知的βj之CI。一個95% 之信賴區間為 其中常數c 為在 tn － k － 1分配中之第97.5 百分位數。更精確地說，信賴區間的下界及上界為 和 CH4 複迴歸分析：推論 第164頁 4.4 對參數之單一線性組合的檢定假設 為了考慮我們估計式中之抽樣誤差，我們透過除以標準誤將此差異標準化 課本 p167 CH4 複迴歸分析：推論 第168頁 4.5 檢定多元線性限制式：F 檢定 OLS 係數之t 統計量可用來檢定是否相對應的母體未