《计量研第2章T检验研究报告》由会员分享，可在线阅读，更多相关《计量研第2章T检验研究报告（11页珍藏版）》请在金锄头文库上搜索。
1、计量经济学,主讲教师：郭惠英山西财经大学统计学院Email:GUO_HY606126.COM,第二章,一元线性回归模型,计量经济学,T显著性检验,目的：检验参数估计量的显著性。本质：决定单个解释变量选取的有效性。原因：用T显著性检验是由于估计量服从T分布。方法：计算T值，与临界值对比。结论：T值绝对值大于临界值-显著，否则-不显著。,T显著性检验,结论：或者是当T值的双尾概率Prob0.05时，参数不显著。也可以讲，小概率事件发生时，显著。显著-解释变量的选取有意义；不显著-解释变量没有意义（重新选择）。,下面给出OLS估计量的置信区间（区间估计）：由上可知，服从t分布，由临界值的定义可以导出
2、的置信区间，给定显著水平，由临界值的定义可知：上式等价于：,即以95%的可能性落在下面区间上：称该区间为的置信区间，或称区间估计，置信度为95%.比如，1978-2007年山西省城镇居民的消费模型中，边际消费倾向参数估计量为,计算得真实边际消费倾向以95%的可能性落在下面区间上：即也就是：置信度为95%.,很显然，置信区间越小越好，置信区间越小可信度越高，而置信区间的半径中T值变化不大，因此估计量的可信度主要取决于其标准差的估计量，标准差越小，可信度越高，标准差越大，可信度就越低。这与t-检验的显著性是等价的，从T统计量的计算可知，标准差越小，则T统计量的绝对值越大，即T值通过临界值的可能性也大，从而t-检验显著的可能性也大。此外从标准差的计算公式可知，,标准差的大小主要取决于总体方差的大小以及解释变量的离差平方和，它与总体方差成正比，与解释变量的离差平方和成反比，也就是说，当被解释变量的离散程度较大（即总体方差较大）以及解释变量的取值过于集中（即解释变量的离差平方和较小）时，线性回归模型的可信度会大大降低，不利于作线性回归分析。,本节内容结束，谢谢观看！若结束学习，请退出幻灯片放映，若继续学习下一节内容，请点击下面的下一节按钮。下一节,
