第5章-区间估计与假设检验.pptVIP

贵州财经大学经济研究所 白万平 教授 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； 贵州财经大学经济研究所 白万平 教授 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 贵州财经大学经济研究所 白万平 教授 §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： 贵州财经大学经济研究所 白万平 教授 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 贵州财经大学经济研究所 白万平 教授 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） 贵州财经大学经济研究所 白万平 教授 来估计（1）式。 给定 ，对（2）式取数学期望得， 因此， 这说明， 是 的一个无偏误的预测元（unbiased predictor）。 由于 是一个估计式，它是由样本资料计算而得出的，所得出的预测估计值可能不同于真值 。这就涉及到预测的精确度问题。 贵州财经大学经济研究所 白万平 教授 就是说，由于抽样波动，预测估计值与真值之间存在差异，预测具有误差。为了评定这种误差，需要查明 的抽样分布。∵ ，∴ 也是服从正态分布的，其均值为 ，方差为： 把 （3.3.1）式 （3.3.3）式 和 （3.3.9）式代入上式，整理得： 贵州财经大学经济研究所 白万平 教授 贵州财经大学经济研究所 白万平 教授 由于 是不可知的，可以用无偏估计式 代替 ，