常用显著性检验..docx

常用显著性检验 1.t 检验 适用于计量资料、正态分布、方差具有齐性的两组间小样本比较；包括配对资料间、样本与均数间、两样本均数间比较三种，三 |精. |品. |可. |编. |辑. |学. |习. |资. |料. * | * | * | * | |欢. |迎. |下. |载. 者的运算公式不能混淆； 2.t 检验 应用条件与 t 检验大致相同，但 t ′检验用于两组间方差不齐时， t ′检验的运算公式实际上是方差不齐时 t 检验的校正公式； 3.U 检验 应用条件与 t 检验基本一样，只是当大样本时用 U 检验，而小样本时就用 t 检验， t 检验可以代替 U检验； 方差分析 用于正态分布、方差齐性的多组间计量比较；常见的有单因 素分组的多样本均数比较及双因素分组的多个样本均数的比较， 方差分析第一是比较各组间总的差异， 如总差异有显著性， 再进行组间的两两比较，组间比较用 q 检验或 LST检验等； X2检验 是计数资料主要的显著性检验方法；用于两个或多个百分比 ( 率) 的比较；常见以下几种情形：四格表资料、配对资料、多于 2行 *2 列资料及组内分组 X2检验； 零反应检验 用于计数资料；是当试验组或对比组中显现概率为 0或100％ 时， X2检验的一种特别形式；属于直接概率运算法； 符号检验、秩和检验和 Ridit 检验 三者均属非参数统计方法，共同特点是简便、快捷、有用； 可用于各种非正态分布的资料、未知分布资料及半定量资料的分析； 其主要缺点是简洁丢失数据中包含的信息； 所以凡是正态分布或可通 |精. |品. |可. |编. |辑. |学. |习. |资. |料. * | * | * | * | |欢. |迎. |下. |载. 过数据转换成正态分布者尽量不用这些方法； Hotelling 检验 用于计量资料、正态分布、两组间多项指标的综合差异显著性检验； 计量经济学检验方法争论 计量经济学中的检验方法多种多样， 而且在不同的假设前提之下， 使用的检验统计量不同，在这里我论述几种比较常见的方法； 在争论不同的检验之前，我们必需知道为什么要检验，到底检验 什么？假如这个问题都不知道， 那么我觉得我们很荒谬或者说是很模式化；检验的含义是要的确因果关系， 计量经济学的核心是要说因果 关系是怎么样的； 那么假如两个东西之间没有什么因果联系， 那么我们查找的缘由就不对； 那么这样的结果是没有什么意义的， 或者说是意义不大的； 那么检验对于我们确认结果特别的重要， 也是评判我们的结果是否拥有价值的关键因素；所以要做统计检验； t 检验，t 检验主要是检验单个 ols 估量值或者说是参数估量值的显著性， 什么是显著性？也就是给定一个容忍程度， 一个我们可以犯 错误的限度， 错误分为两类： 1、原来是错的但是我们认为是对的； 2、原来是对的我们认为是错的； 统计的检验主要是针对第一种错误而言的；一般的计量经济学中的这个容忍程度是 5%，也就是说可以容忍我们范第一类错误的概率是 5%；这样说不精确，但是比较好懂得； |精. |品. |可. |编. |辑. |学. |习. |资. |料. * | * | * | * | |欢. |迎. |下. |载. t-stastic 是类似标准正态化的正态分布两一样，也就是估量值减去 假设值除以估量值得标准差，一般假设值是 0，这一点不难懂得，假如是0 ，那么也就意味着没有因果关系；这个 t-static 在经典假设之下听从 t 分布；t 分布一般是和正态分布差不多，特别是当样本的量足够大的时候，一般的体会认为在样本数量大于 120的时候，就可以看成是正态分布的； F-statistc ： F 检验是属于联合检验比较重要的一种，主要的目 的是用于对于一系列的缘由的是否会产生结果这样一个命题做出的 检验； F 统计量主要的产生来源是 SSR\SST\SSE三个量；但是这个检验有一个缺点是必需在经典假设之下才能有效； LM检验：这个检验的性质和 F 检验的性质是一样的，都是检验联 合显著性的，不同的是 F 统计量符合 F 分布，但是 LM统计量听从卡方分布；卡方分布是正态分布的变量的平方和， 而 F 分布是卡方分布的商，并且分子和分布必需独立， 这就是为什么 F 检验适用范畴受限的缘由； LM=n*SSR、或者是 LM=n-SSR； 至于其他的 White 检验、Brusch-pagan 检验（异方差的检验方法） 、仍有序列相关的 t 检验、 DW检验基本原先是相同的； 关于异方差检验、序列相关的检验其中存在不同的地方，但是思 想基本是相同的； 关于异方差检验的争论： 1、Brusch-pagan 检验：这个检验的思路比较简洁，主要是要争论残查和 X 之间的关系，给定这样的一个方程： u