计量经济学讲义(第二讲).pptVIP

1、假设检验的含义与引例 任何一个有关随机变量未知分布的假设称为统计假设或假设(hypothesis)。 一个仅牵涉到随机变量分布中几个未知参数的假设称为参数假设。“假设”只是一个设想，它是否成立，在建立假设时是未知的，需要进行考察。 对一个样本进行考察，从而决定它能否与假设相符，这一过程叫做假设检验。 1、假设检验的含义与引例 先假设总体具有某种特征（例如，已知总体服从某分布，但参数未知，假设总体参数为多少；或总体分布未知，假设总体服从某种分布），然后再通过对样本的加工，即构造统计量，推断出假设的结论是否合理。 1、假设检验的含义与引例 假设检验可以分为参数检验和非参数检验，当总体分布形式已知，只对某些参数做出假设，从而作出的检验为参数检验，对其他假设作出的检验为非参数检验。 无论是参数检验还是非参数检验，其原理和步骤有共同的地方。以下用引例来介绍验设检验的原理和步骤。 1、假设检验的含义与引例 引列： 据报载某商店为搞促销，对购买一定数额的商品的顾客给予一次摸奖的机会，规定从装有红、绿两色球各10个的暗箱中连续摸10次（摸后放回），若10次都是摸得绿球则中大奖。某人按规则去摸10次，皆为绿球，商店认定此人作弊，拒付大奖，此人不服，最后引出官司。 1、假设检验的含义与引例 引列： 从统计的观点看，商店怀疑是有道理的，因为如果此人摸球完全是随机的，则要正好10 次均摸到绿球的概率为 是一个很小的数，统计的基本原理进在一次试验中所发生的事不应该是小概率事件，小概率事件发生，当推测此人摸球不是随机的，有作弊的嫌疑。 引列： 上述推断过程就是假设检验的全过程。一般包含这几个步骤： （1）提出假设： H0: 此人未作弊；H1: 此人作弊。 H0 称为原假设，H1 称为备择假设或对立假设，备择假设可以不写。 引列： （2）构造统计量,并由样本算出其具体值： 统计量取为10次摸中绿球的个数N. 由抽样结果算出N=10. （3）求出在H0下,统计量N的分布,构造对H0不利的小概率事件： 在H0下,如果完全是随机摸球,统计量服从二项分布B(10,1/2),分布列为: 引列： 根据二项分布,N的望是 np=5,即摸球应该在5个附近, 对H0不利的小概率事件是“绿球数N大于某个较大的数，或小于某个较小的数”。 在此例中， 若H0不成立，即此人作弊，不可能故意少摸，所以只需考虑“N大于某个较大的数”，这个数常称为临界值，即某个分位数。 引列： （4）给定显著性水平? ，确临界值： 即取一数 n(?) 使得P{N n(?) }= ? ，如取?=0.01，由分布列可算出： 对于离散型概率分布不一定能取到n(?)。取最近接的n，使当H0成立时， P{N n} ≤? ，因此，n=9，即该小概率事件是 {N 9} 。 引列： （5）得出结论： 已算得N=10，即{N 9} 发生了，而{N 9} 被视为对H0不利的小概率事件，它在一次试验中是不应该发生的，现在{N 9} 居然发生了，只能认为 H0是不成立的，即: H1此人作弊成立。 这一推断过程也就是假设检验的一般步骤 ，关键技术是确定一个适当的用于检验假设的统计量，这个统计量至少应该满足在H0成立条件下，其抽样分布易于计算（查到）。 在统计量选定后，便可构造统计量T描述某个显著性水平下的一小概率事件{T?B?}，我们称这一小概率事件发生的样本空间点的全体 记为：V={T?B?} 为H0的否定域或拒绝域。 确定拒绝域后，最后检验即是判断所给的样本计算的统计量是否落在 V 内，即 T?B? 是否成立。 困此，可以说设计一个检验，本质上就是找到一个怡当的否定域 V，使得H0条件下，它的概率 P( V | H0 )=(或≤)? 。 找到否定域 V，实质上也就是统计量T在? 水平是否显著。 2、两类错误 由于假设检验的判断依据是根据一个样本的分析，也就是由部分来推断整体，因而不可能是绝对准确的，也可能犯错误。 可能犯的错误有两类： 第一类错误是：原假设H0符合实际情况，而检验结果把它否定了，称为弃真错误。 第二类错误是：原假设H0不符合实际情况，而检验结果把它肯定下来，称为取伪错误。 2、两类错误