技术经济学课件-多元线性回归模型的统计检验.pptVIP

对假设检验有了定性的了解后，接下来，了解如何使用具体工具进行假设检验呢？ 案例2：现在女婴体重与过去有无差别 从1999年出生的新生女婴中随机抽取20 个，测得起平均体重为3160克，样本标准差为300克，根据过去的资料，新生女婴平均体重等于3140 克，问现在女婴体重与过去有无差别（?=0.01）？ 　　案例3：1998年全国人均年消费支出为1590元，同期在新疆一个25户家庭组成的样本表明，其年人均消费支出为1450元，样本标准差为220元。试以0.1的显著性水平判断，新疆的人均年消费支出是否明显地低于全国平均水平？ 解：设 H0：? ≥1590 H1：? 1590 由? = 0.1 有：-t?（25-1） = -1.318 由于 t 值小于-t ? ，落在拒绝域中，故拒绝原假设，认为新疆的人均年消费支出明显地低于全国平均水平。 对于看似完全不同的问题，我们总可以根据问题中各种因素体现出来的数量规律，将它们归结为在数学上相同的问题予以解决。 在计量中，不仅是模型的显著性检验部分，我们就是采取的这种方式。 主要使用的工具是统计量以及统计量的分布规律。 就显著性检验而言，如何通过统计量进行检验呢？ 对于具体的统计量如何构造小概率事件——我们根据统计量的分布形式和规律来构造小概率事件 对于统计量F而言，当给定显著性水平α=0.05 ， 若F的值落入阴影区域，可认为发生了小概率事件 因为P{F3.29}＝0.05 显著性水平α＝0.05 概率密度 3.29 P{F3.29}＝0.05 例1：F统计量服从的分布形式 ?/2=0.025 ?/2=0.025 1-?=0.95 P{x1.96}＝0.025 P{x-1.96}＝0.025 例2：统计量x服从的分布形式 对于 统计量x而言，当给定显著性水平α=0.05，若x的值落入阴影区域，可认为发生了小概率事件 因为P{|x|1.96}＝0.05 二、方程显著性检验Testing the Overall Significance 本部分内容 1、F统计量 2、如何利用F统计量进行方程显著性的F检验—重点 2、方程的显著性检验 引 r2 或 R2 度量了估计出的SRF对样本观测值的拟合程度，拟合优度高，说明给定样本下，解释变量对被解释变量的解释程度高，SRF是对所给样本的恰当描述，但这种在样本下成立的线性关系在所研究问题的总体下是否还成立呢？或者说总体中的x和y是否确实为线性关系呢？ 对模型中被解释变量与解释变量之间的线性关系在总体上是否显著成立作出推断的工具——方程显著性检验 2、方程的显著性检验 用以进行方程的显著性检验的方法主要有三种：F检验、t检验、r检验。它们的区别在于构造的统计量不同。 应用最为普遍的F检验。 3、方程显著性的F检验 方程显著性的F检验——针对整个方程（全体偏回归系数）的检验 F 检验是要检验模型中 被解释变量与全体解释变量之间的线 性关系在总体上是否显著成立 ，即检验方程 i ki k i i i x x x y m b b b b + + + + + = L 2 2 1 1 0 i=1,2, … ,n 中参数（全体偏斜率系数）是否显著不为 0 。 按照假设检验的原理与程序，第一步：提出原假设与备择假设 H k 0 1 2 0 0 0 : , , , b b b = = = L 1 H ： j b 不全为零 （总体中y与x之间不存在线性关系） （总体中y与x之间存在线性关系） F检验的思想来自于总离差平方和的分解式： TSS=ESS+RSS 如果ESS/RSS的比值越大，则模型中的x的全体对y的解释程度就越高，也就是说线性模型中的解释变量对被解释变量y越有影响，那么，越有理由认为总体变量间存在线性关系，反之总体上可能不存在线性关系。 因此,可通过该比值ESS/RSS的大小对总体线性关系进行推断。 将上述理由的表述用显著性检验的语言正规化 第二步：根据有关样本信息，对原假设H0的真伪进行判断 根据数理统计学中的定义，如果构造一个关于ESS和RSS的统计量 则该统计量服从自由度为（k ,n-k-1）的F分布。 F的值越大，有理由拒绝H0，于是构造一个小概率事件—（FFα (k ,n-k-1） ） ? F(k ,n-k-1） 对于统计量F而言，当给定显著性水平α=0.05 ， 若F的值落入阴影区域，可认为发生了小概率事件 因为P{F3.29}＝0.05 显著性水平α＝0.05 概率密度 3.29 P{F3.29}＝0.05 例1：F统计量服从的分布形式 自由度（7，9） F分布 若F统计量的值落入阴影区域，可认为发生了小概率事件 因为P