Содержание
- 2. ИСПЫТАНИЕ ГИПОТЕЗЫ, СВЯЗАННОЙ С КОЭФФИЦИЕНТОМ РЕГРЕССИИ Тестирование гипотез составляет основную часть основы эконометрики, и важно иметь
- 3. ИСПЫТАНИЕ ГИПОТЕЗЫ, СВЯЗАННОЙ С КОЭФФИЦИЕНТОМ РЕГРЕССИИ Теория, обсуждаемая в разделах R.9-R.11 главы обзора, является нетривиальной и
- 4. ИСПЫТАНИЕ ГИПОТЕЗЫ, СВЯЗАННОЙ С КОЭФФИЦИЕНТОМ РЕГРЕССИИ Если вы не понимаете, например, взаимные уступки между размером (уровнем
- 5. В нашем стандартном примере в главе «Обзор» мы имели случайную переменную Х с неизвестным средним населением
- 6. В контексте модели регрессии мы имеем параметры β1 и β2 и для них были получены оценки
- 7. В случае случайной величины X, наша стандартная нулевая гипотеза заключалась в том, что μ было равно
- 8. Для обеих популяций среднее значение μ случайной величины X и коэффициент регрессии β2, тестовая статистика является
- 9. В обоих случаях он определяется как разница между расчетным коэффициентом и его гипотетическим значением, деленная на
- 10. Мы отклоняем нулевую гипотезу, если абсолютное значение больше критического значения t, учитывая выбранный уровень значимости. 10
- 11. Есть одно важное различие. При определении критического значения t необходимо учитывать число степеней свободы. В случае
- 12. Статистика испытаний В случае модели регрессии число степеней свободы n - k, где n - количество
- 13. 13 В качестве иллюстрации мы рассмотрим модель, связанную с инфляцией цен для инфляции заработной платы. p
- 14. 14 Мы проверим гипотезу о том, что темп инфляции цен равен ставке инфляции заработной платы. Поэтому
- 15. 15 Предположим, что результат регрессии показан (стандартные ошибки в скобках). Наша фактическая оценка коэффициента наклона составляет
- 16. 16 Мы вычисляем t статистику путем вычитания гипотетического истинного значения из оценки выборки и деления на
- 17. 17 В выборке имеется 20 наблюдений. Мы оценили 2 параметра, поэтому существует 18 степеней свободы. ИСПЫТАНИЕ
- 18. 18 Критическое значение t с 18 степенями свободы составляет 2,101 на уровне 5%. Абсолютное значение t-статистики
- 19. 19 На практике обычно не имеют представление о фактическом значении коэффициентов. Очень часто цель анализа состоит
- 20. 20 В этом случае обычно определяется β2 = 0 как нулевая гипотеза. На словах нулевая гипотеза
- 21. 21 For the null hypothesis β2 = 0, the t statistic reduces to the estimate of
- 22. 22 Это отношение обычно называют t статистикой для коэффициента и автоматически распечатывается как часть результатов регрессии.
- 23. . reg EARNINGS S Source | SS df MS Number of obs = 540 -------------+------------------------------ F(
- 24. 24 Вы можете видеть, что t статистика для коэффициента S огромна. Мы отвергли бы нулевую гипотезу
- 25. 25 В этом случае мы могли бы пойти дальше и отвергнуть нулевую гипотезу о том, что
- 26. 26 Преимущество отчетности об отказе на уровне 0,1%, а не на уровне 1%, заключается в том,
- 27. 27 T cтатистика для перехвата также огромна. Однако, поскольку перехват не имеет никакого значения, для него
- 28. 28 Следующий столбец на выходе дает так называемые значения р для каждого коэффициента. Это вероятность получения
- 29. 29 Если вы отклоните нулевую гипотезу H0: β = 0, это вероятность того, что вы совершили
- 30. 30 Если p = 0,05, нулевая гипотеза может быть просто отвергнута на уровне 5%. Если это
- 31. 31 В данном случае p = от 0 до трех знаков после запятой для коэффициента S.
- 32. 32 Это более информативный подход к представлению результатов испытаний и широко используемых в медицинской литературе. ИСПЫТАНИЕ
- 34. Скачать презентацию