计量经济学_数学与统计学预备知识.pptVIP

无偏性： 参数估计量的概率均值（数学期望）等于参数的真实值。 意义： 意味着利用不同样本反复估计，得到的估计值会以参数真实值为中心分布。 即　　　 ，则称　为　的无偏估计量 ?的真值 ?的真值 有偏 无偏 有效性： 仅仅满足有效性是无意义的。实际上要求估计量是方差最小的线性无偏估计量 ? 设 和 是总体指标?的两个无偏估计量， 若　　　 ，则称　为比　更有效的估计量 形象感觉无偏性和有效性： 重庆长安厂4支比赛用枪的抽样结果 准而不精 又精又准 精而不准 不精不准 参数估计：区间估计 点估计得到的估计值与真实值肯定有偏差，但是点估计本身不能反映估计量与真实值之间的近似程度。 点估计的基础上，利用其分布信息，构造参数真实值的置信区间。 置信度（1-?）反映了估计的可靠程度。 定义 设总体参数为?，?L、?U为由样本确定的两个统计量，对于给定的?（0?1)，有P(?L≤?≤?U)=1-?，则称（?L, ?U）为参数?的置信度为1-?的置信区间 对区间估计的形象比喻 我们经常说某甲的成绩“大概80分左右”，可以看成一个区间估计。（某甲的成绩?为被估计的参数） P(?1 ? ?2 )=大概的准确程度（ 1-?） 如：P(75 ? 85 )=95%=1-5% “大概80分左右” 冒险率（也叫显著水平? ） 下限 上限 置信系数1－ ? 区间估计原理 0.6827 　落在　　　范围内的概率为68.27% 样本抽样分布曲线 原总体分布曲线 置信度1-?=0.6827 区间估计原理 0.9545 　落在　　　范围内的概率为95.45% 样本抽样分布曲线 原总体分布曲线 置信度1-?=0.9545 3、假设检验 采用逻辑上的反证法 先认为假设为真，观察在此前提下所抽到样本的出现是否合理。若合理则判断假设可接受，反之拒绝假设。 判断是否合理的依据统计上的小概率原理（即这里的反证法是基于一定概率的反证法）。 假设检验的基本概念 原假设、虚拟假设（null Hypothesis) 通常是研究者非预期取值的一种表述 备则假设（alternative hypothesis) 通常是对研究者预期取值的表述。也就是原假设被否定之后而采取的逻辑假设。它是原假设的对立假设。 单侧检验H0:?=0 双测检验： H0:?=1010 H1:?0 H1:?≠1010 构造一个统计量，根据原假设为真时（H0）的取值的可能性来判断。“拒绝原假设”还是“不拒绝原假设”（一般不说接受原假设） 第一类错误（Type I errors) 我们拒绝了一个为真的虚拟假设 第二类错误(Types II errors) 我们没有拒绝一个不真的虚拟假设 显著性水平? 界定小概率的标准，即估计量大于临界值的概率。 犯第一类错误的概率。 决定拒绝域和接受域的大小 显著性水平的确定 拒绝域与接受域 原假设被拒绝的区域称为拒绝域或否定域 拒绝域之外的区域即为接受域 Z 接受域 95% 拒绝域?=5% 0.025 0.025 临界点1.96 “小概率原理”在假设检验中的应用 数理统计学中的“小概率原理”认为：概率很小的事件在一次抽样试验中几乎是不可能发生的。 在H0成立的条件下，统计量落在拒绝域为一个小概率事件，因此，在一次抽样试验中，依据小概率原理，是不会发生的。 要是小概率事件（“统计量落在拒绝域” ）居然发生了。那么，只能是提出的假设H0发生了错误，所以必须拒绝H0。 假设检验的步骤 假设检验的主要步骤: 1 建立统计假设 2 构造统计量 3 根据样本计算统计量的观测值 4 规定显著性水平?查表到临界值，确定接受域和拒绝域 5 判断并且给出结论 例：某机器制造出的肥皂厚度为5公分。今欲了解机器性能是否良好，随机抽取10块肥皂为样本，测得平均厚度为5.3公分，样本标准差为0.3公分。试分别以0.05和0.01的显著性水平检验机器性能良好的假设。 建立假设 检验统计量 接受域： t T0.05/2=2.26 3.16 T0.01/2=3.25 P(3.16)=0.01155 知识回顾Knowledge Review * 随机事物并未没有规律和无法研究。多数随机事物都在表面偶然性后面隐藏着内在必然性。 * 随机事物并未没有规律和无法研究。多数随机事物都在表面偶然性后面隐藏着内在必然性。 * 随机事物并未没有规律和无法研究。多数随机事物都在表面偶然性后面隐藏着内在必然性。 * 随机事物并未没有规律和无法研究。多数随机事物都在表面偶然性后面隐