第5章 区间估计及假设检验.ppt

置信区间的两个特点: 位置的随机性 长度的随机性 左边 代入上式 左边 右边 # 容易看出，如果 ，则（5.9.2）式和（5.9.3）式对真实方差 提供等同的估计量。在这种情况下，解释变量X对被解释变量Y毫无线性影响，Y的总变异就由随机扰动项 作出解释。 反之，如果 ，则上述两个方程将得出不同的结果，从而Y的变异中有一部分将归因于解释变量X。 因此，方差比F是适宜作为检验原假设（虚拟假设） 的统计量。 判断虚拟假设 是否可信，需要有一个判断标准，这个标准就是与选定的显著水平 和自由度 ， 相对应的临界值 如果由样本数据计算的 ，则拒绝 ，表示在显著性水平之下，该一元回归模型是统计上显著的； 反之，如果 ，就接受 ，认为该模型并无显著意义。 F检验与t检验： 在原假设 下，二者是密切联系的。在相同的显著性水平下，统计量F与t之间具有以下关系： t检验和F检验是检验 的两个互为补充的备选方法。其实，在双变量模型中，F检验是多余的，二者的结论总是一致的。 但是,在多元回归分析中，F检验与t检验各有不同的功用。 F检验：模型的显著性；t检验：系数的显著性。 实质：X的贡献是否显著地大于U的贡献 §5.10 回归分析的应用：预测问题 有两种预测： 一、均值预测： 对应于给定的X，比如 ，预测Y的条件均值，或者说是预测总体归线本身上的点。 比如 时， 给出了这一均值预测的点估计为： 谁能预测未来, 谁就能发财致富。 中国的投资者和富人们十分关心的问题是： 中国长期增长的拐点在哪里？ -------- 讨论 一般地，如果总体回归模型为 根据样本数据可以求得样本回归模型为 从而求出样本回归直线为 经过 t 检验，如果 是可以接受的，就可以运用上述样本回归直线估计式进行预测。 给定 ，真实的均值的预测 由下式给出： （1） 我们用 （2） * * 第5章 区间估计与假设检验 （Interval Estimation and Hypothesis Testing）? §5.1 统计学的预备知识 自己复习 §5.2 区间估计：一些基本概念 第三章给出了边际消费倾向（MPC）的估计值为0.5091。我们也知道， ，但是，由于抽样的波动性，单个估计值可能并不等于真值。因此，我们不能完全依赖一个点估计值，而是要围绕点估计量构造出一个区间，使这一区间在一定的概率保证之下包含真实的参数值（真值），这就是区间估计。 我们的任务就是求出两个正数 和 ， ，使得随机区间（random interval） 包含