计量经济学普通最小二乘法假设检验.pptx

3 普通最小二乘法假设检验;模型检验内容;必要的数理统计知识(1);必要的数理统计知识(2);经典线性模型假定;假设7：ε服从正态分布;;;练习;某一经济经济理论预言β1＝w 。如果你手中掌握一组样本，一个问题是，你所掌握的样本支持这个预言吗？ 现在来考察标准正态分布。在该分布上，存在对称的两点： 与 ，其中： 如果把概率为5%的事件称为小概率事件，那么，当Z 的取值大于 或者小于 时，我们认为小概率事件发生了！ ;假设检验思想;假设检验的正式步骤;利用标准正态分布作??设检验;问题1：为何要设置这样的假设体系？ 答案：这依赖于先验的理论与判断。例如，假定 是某正常商品的消费收入弹性，那么 不可能为负。我们可以通过建立如下的假设体系： 并基于样本来判断 是否为真。 问题2：为什么 并不是拒绝域？ 问题3：为什么拒绝域是 ?;思考题：;t检验 ;注意！标准误与标准差之间的差别;;假设检验的正式步骤;前面我们讨论的是简单线性回归模型。事实上相关结论与检验完全可以被推广到多元线性回归模型： 在该模型下，;在实践中，我们经常对 是否为零的假设感兴趣，显然在假设体系： 下，此时的t统计量是 如果原假设被拒绝，那么我们就说在某某显著水平上x是统计上显著的；如果不能被拒绝，则就说x在某某显著水平上是统计上不显著的。 应该注意：即使的绝对值很小很小（即所谓的变量x无经济显著性或者实际显著性（economic significance/practical significance），但在统计上，它可能显著地与0不同。;思考题：;置信区间;区间预测 ;经常需要对 进行估计。换句话说，我们不知Sd(e1)，但我们可以获得对它的估计Se(e1)。 因此，在置信水平a下，对的区间预测是：;练习;区间预测 ;经常需要对 进行估计。换句话说，我们不知Sd(e2)，但我们可以获得对它的估计Se(e2)。 因此，在置信水平a下，对的区间预测是：;F检验;第一步：估计受约束模型： or 估计上述模型得到残差平方和RSSr；;第二步：估计不受约束模型： 得到残差平方和RSSur；;F检验;F统计量服从F分布： 如果原假设为真，即我们所施加的约束是正确的，那么，尽管RSSrRSSur，但RSSr与RSSur应该相差不多，因此，如果相差很大，那么我们就应该怀疑原假设了！由于RSSr与RSSur与被解释变量的测度单位有关，因此，我们把两者的差距???以RSSur，以使其“无单位化”。 ;一个直觉是当F值远大于零时我们应该拒绝原假设。多远才算远？ 拒绝域：给定显著性水平a,设定临界值 当我们依据样本所得到的F值落在 时，我们说“在a显著水平下拒绝原假设”。 当我们依据样本得到F值时，我们也能够依据F分布表计算，计量软件包在F值后所给出的P值正是这个概率。 ;F统计量还被可以改写为所谓的R2形式。 ;练习题：;t检验与F检验的联系与区别;多元线性回归模型矩阵表示;为什么要引入多元线性回归模型;多元线性回归模型的一般形式 ;偏回归系数（partial regression coefficients）;多元线性回归模型的矩阵表示 ;多元线性回归模型的OLSE表达式;参数的OLSE的统计性质 ;作业