>>每日小記<<
項目 | 狀態 |
---|---|
距離2022年倒計時 | 345天 |
今日天氣情況 | 晴 |
是否重要日子 | 無 |
今日心情如何 | 開心 |
今日身體狀況 | 良好 |
堅持背記單詞 | 1428天 |
堅持記錄開銷 | 1232天 |
堅持英語學習 | 932天 |
堅持簡書日更 | 711天 |
堅持記錄時間 | 668天 |
堅持走路跑步 | 671天 |
堅持健身鍛鍊 | 651天 |
堅持反思日記 | 653天 |
堅持健康飲食 | 643天 |
堅持聽讀閱讀 | 573天 |
堅持黨務學習 | 519天 |
堅持IT知識學習 | 456天 |
堅持雙拼練習 | 384天 |
堅持五筆練習 | 201天 |
堅持理財學習 | 18天 |
堅持練習游泳 | 28天,暫停 |
堅持PMP學習 | 79天,通過考試 |
其他重要的事 | 無 |
《經濟計量學》
第一部分 線性迴歸模型
第3章 雙變量模型: 假設檢驗
-
3.4 普通最小二乘法(OLS) 估計量的抽樣分佈或概率分佈
-
爲了推導OLS估計量b,和b,的抽樣分佈,需要在CLMR基本假定上再增加一條假定。
-
假定7:在總體迴歸函數Yi=B1 +B2Xi+ui中,誤差項ui服從均值爲0,方差爲σ^2的正態分佈。即
- 這個假定的理論基礎是中心極限定理:隨着變量個數的無限增加,獨立問分佈隨機變量近似服從正態分佈。
-
假定7:在總體迴歸函數Yi=B1 +B2Xi+ui中,誤差項ui服從均值爲0,方差爲σ^2的正態分佈。即
- 正態變量的線性函數仍服從正態分佈。如果證明了b1和b2是正態變量的線性函數,那麼b1和b2就服從正態分佈。
-
-
3.5假設檢驗
建立原假設H0、備擇假設H1
-
可選擇兩種方法對B2和B1的參數進行假設檢驗
-
置信區間和顯著性檢驗方法的區別在於:
置信區間檢驗不知道真實的B2值,因此建立一個區間。
而顯著性檢檢方法中,假設一個真實的B2假,檢驗b2是否接近假設值B2。
-
置信區間法
-
(1)建立原假設H0、備擇假設H1
H0:B2=0 ——零假設(稻草人假設),爲了確認Y是否與X有關
H1:B2≠0
(2)設定顯著水平α,常見設定5%。
(3)判斷單邊檢驗/雙邊檢驗。
-
(4)t值查表。
- 自由度=n-k,k爲變量個數(包括Y)。
-
(5)計算se(b2)、se(b1)
- 計算ei
- 計算𝜎^2
- 計算se
-
(6)計算置信區間
常因不知真實𝜎而以其估計值代替使用第二個t分佈檢驗
- 雙側
- 單側
(7)如置信區間包含原假設值,則不能拒絕原假設;如置信區間不包含原假設值,則拒絕原假設,選擇備擇假設。
-
-
顯著性檢驗法
-
核心思想:根據從樣本數據求得的檢驗統計量的值決定接受或拒絕原假設。
-
(1)建立原假設H0、備擇假設H1
H0:B2=B2* ——B2是B2的某個給定數值(如B2=0)
H1:B2≠0
- (2)計算出t值
-
(3)t值顯著範圍(拒絕域)查表
α一般取1%、5%或10%
自由度=n-k,k爲變量個數(包括Y)。
- 雙側
- 單側
(4)如t值落在任何一個拒絕域內,則拒絕原假設,選擇備擇假設;否則不能拒絕原假設。
-
-
p值
p值定義爲拒絕原假設最低的顯著水平。
P值就是當原假設爲真時,比所得到的樣本觀察結果更極端的結果出現的概率。
P值越小,表明結果越顯著,越能拒絕原假設。
反查t值表得P值:P(t>(2)中已求t值)≈ P值
-
-