计量经济学基础知识梳理(超全).pptVIP

T分布图形：正态分布相当于标准差为1的t分布。而t分布的标准差多小于1。因而出现这种尾部肥大的现象。正态分布T分布020103统计学和计量经济学中的另一重要分布是F分布。特别是在多元回归分析中，要用F分布去检验假设。为了定义F随机变量，令和，并假定X1和X2独立，则随机变量服从一个自由度为（k1，k2）的F分布。记为。F分布即是两个消去自由度的分布变量的比值F分布如果随机变量Xi(i=1,2,3,…n),Yi(i=1,2,3,…n)是相互独立的，而且服从相同的正态分布。令则统计量服从第一自由度、第二自由度的F分布。记为F～F(,)注：F分布在方差分析中有着重要的作用。例如判断两个正态分布总体的方差是否有显著差异，需要利用F分布。其分子与分母其实是两个方差，在进行回归检验时正是利用F函数这个特点。九、分位点0z（1）标准正态分布双侧分位点α1-αz0（1）标准正态分布单侧分位点（2）双侧分位点xf(x)α/2α/21-α1-α/20（2）单侧分位点f(x)x0（3）T分布的双侧分位点图2-9T分布的双侧分位点xf(x)α/2α/21-α0（3）T分布的单侧分位点xf(x)α0（4）F分布的双侧分位点xf(x)α/2α/201-α0x（4）F分布的单侧分位点f(x)表随机变量分布的比较统计推断指利用来自总体的一个样本而获知该总体的某些情况。所谓总体，指任何定义完好的一组对象，这些对象可以是个人、企业、城市或其他诸多可能性。所谓“获知”，可以有很多含义，但大致归类为估计和假设检验两个范畴。01点估计——用某一数值作为参数的近似值02区间估计——在要求的精度范围内指出参数可能的取值范围03第三节数理统计基础一、总体、参数与随机抽样例1：劳动经济学家想了解中国全体就业成人的教育回报，问再多受一年教育，工作平均增加的百分数是多少？要获得中国全体就业人口的工资和教育信息既不现实又不经济，但我们可以获得总体中的一个子集的数据。利用收集到的这些数据，一位劳动经济学家也许能报告他对再受一年教育的回报的最好估计为7.5%。这就是点估计的一个例子。或者，他想报告一个范围，比方说“教育的回报在5.6%~9.4%之间”。这是区间估计的一个例子。总体、参数与随机抽样例2：城市经济学家想知道邻里犯罪计划是否与低犯罪率有关。经过在取自总体的一个样本中比较了安排和不安排监控计划的邻里犯罪率，他可以得到两结论之一：邻里犯罪监控计划对犯罪率确实有影响，或者没有影响。这个例子就属于假设检验的范畴。总体、参数与随机抽样12统计推断的第一步就是要明确所关注的总体，而且一定要使之非常具体。一旦明确了总体是什么，就可对所关注的总体关系建立或设定一个模型。这个模型将涉及一些概率分布或概率分布的特征，而这又取决于一些未知参数。所谓参数，就是决定变量关系之方向和强度的一些常数。如劳动经济学的例子中，所关注的参数是总体中的教育回报（率）。总体、参数与随机抽样12令Y为一个随机变量，代表着概率密度函数为f（y;θ）的一个总体，其中f（y;θ）依赖于单个参数θ。假定除了θ值未知外，Y的概率密度函数pdf是已知的。不同的θ值将意味着不同的概率分布，因此我们对θ值感兴趣。如果我们能得到该总体的某种样本，就能了解θ的某些情况。最容易处理的抽样方案是随机抽样。抽样若Y1，Y2，···Yn是具有同一概率密度函数f（y;θ）的独立随机变量，我们称为来自f（y;θ）的随机样本[或者说来自由所代表的总体的一个随机样本]。当是来自密度f（y;θ）的一个随机样本时，我们又称Yi是取自f（y;θ）的独立同分布样本。01抽样02“有限样本”一词来自如下事实：无论样本容量如何，所讨论的性质对任何样本容量都成立。有时把这些性质叫做小样本性质。估计量与估计值给定一个随机样本，它来自一个取决于某未知参数θ的总体分布，θ的一个估计量就是赋予样本每个可能结果一个θ值的法则。这个法则在进行抽样之前就已经确立，具体而言，无论实际得到什么样的数据，这个法则都不会改变。0102二、估计量的有限样本性质作为估计量的一个例子，令为取自均值为