относящихся к коэффициентам регрессии. Он касается только методики проведения, а
не теории.1
X неизвестное m, s2
Review chapter
Модель регрессии
Разделы презентаций
- Разное
- Английский язык
- Астрономия
- Алгебра
- Биология
- География
- Геометрия
- Детские презентации
- Информатика
- История
- Литература
- Математика
- Медицина
- Менеджмент
- Музыка
- МХК
- Немецкий язык
- ОБЖ
- Обществознание
- Окружающий мир
- Педагогика
- Русский язык
- Технология
- Физика
- Философия
- Химия
- Шаблоны, картинки для презентаций
- Экология
- Экономика
- Юриспруденция
Проверка гипотез, относящихся к коэффициентам регрессии Эта последовательность
Содержание
- 1. Проверка гипотез, относящихся к коэффициентам регрессии Эта последовательность
- 2. ИСПЫТАНИЕ ГИПОТЕЗЫ, СВЯЗАННОЙ С КОЭФФИЦИЕНТОМ РЕГРЕССИИТестирование гипотез
- 3. ИСПЫТАНИЕ ГИПОТЕЗЫ, СВЯЗАННОЙ С КОЭФФИЦИЕНТОМ РЕГРЕССИИТеория, обсуждаемая
- 4. ИСПЫТАНИЕ ГИПОТЕЗЫ, СВЯЗАННОЙ С КОЭФФИЦИЕНТОМ РЕГРЕССИИЕсли вы
- 5. В нашем стандартном примере в главе «Обзор»
- 6. В контексте модели регрессии мы имеем параметры
- 7. В случае случайной величины X, наша стандартная
- 8. Для обеих популяций среднее значение m случайной
- 9. В обоих случаях он определяется как разница
- 10. Мы отклоняем нулевую гипотезу, если абсолютное значение
- 11. Есть одно важное различие. При определении критического
- 12. Статистика испытанийВ случае модели регрессии число степеней
- 13. 13В качестве иллюстрации мы рассмотрим модель, связанную
- 14. 14Мы проверим гипотезу о том, что темп
- 15. 15Предположим, что результат регрессии показан (стандартные ошибки
- 16. 16Мы вычисляем t статистику путем вычитания гипотетического
- 17. 17В выборке имеется 20 наблюдений. Мы оценили
- 18. 18Критическое значение t с 18 степенями свободы
- 19. 19На практике обычно не имеют представление о
- 20. 20В этом случае обычно определяется b2 =
- 21. 21For the null hypothesis b2 = 0,
- 22. 22Это отношение обычно называют t статистикой для
- 23. . reg EARNINGS S Source
- 24. 24Вы можете видеть, что t статистика для
- 25. 25В этом случае мы могли бы пойти
- 26. 26Преимущество отчетности об отказе на уровне 0,1%,
- 27. 27T cтатистика для перехвата также огромна. Однако,
- 28. 28Следующий столбец на выходе дает так называемые
- 29. 29Если вы отклоните нулевую гипотезу H0: b
- 30. 30Если p = 0,05, нулевая гипотеза может
- 31. 31В данном случае p = от 0
- 32. 32Это более информативный подход к представлению результатов
- 33. 33Однако в экономике стандартная практика заключается в
- 34. Скачать презентанцию
ИСПЫТАНИЕ ГИПОТЕЗЫ, СВЯЗАННОЙ С КОЭФФИЦИЕНТОМ РЕГРЕССИИТестирование гипотез составляет основную часть основы эконометрики, и важно иметь четкое понимание теории.2MoдельX неизвестное m, s2Оценочная функцияReview chapterМодель регрессии
Слайды и текст этой презентации
Слайд 1Проверка гипотез, относящихся к коэффициентам регрессии
Эта последовательность описывает тестирование гипотез,
Слайд 2ИСПЫТАНИЕ ГИПОТЕЗЫ, СВЯЗАННОЙ С КОЭФФИЦИЕНТОМ РЕГРЕССИИ
Тестирование гипотез составляет основную часть
основы эконометрики, и важно иметь четкое понимание теории.
2
Moдель
X неизвестное m,
s2Оценочная функция
Review chapter
Модель регрессии
Слайд 3ИСПЫТАНИЕ ГИПОТЕЗЫ, СВЯЗАННОЙ С КОЭФФИЦИЕНТОМ РЕГРЕССИИ
Теория, обсуждаемая в разделах R.9-R.11
главы обзора, является нетривиальной и требует тщательного изучения. Эта последовательность
является чисто механической и никоим образом не является заменителем.3
Модель
X неизвестное m, s2
Оценочная функция
Review chapter
Модель регрессии
Слайд 4ИСПЫТАНИЕ ГИПОТЕЗЫ, СВЯЗАННОЙ С КОЭФФИЦИЕНТОМ РЕГРЕССИИ
Если вы не понимаете, например,
взаимные уступки между размером (уровнем значимости) и мощностью теста, вы
должны изучить материал в этих разделах, прежде чем смотреть на эту последовательность.4
Модель
X неизвестное m, s2
Оценочная функция
Review chapter
Модель регрессии
Слайд 5В нашем стандартном примере в главе «Обзор» мы имели случайную
переменную Х с неизвестным средним населением variance m и дисперсией
s2. Учитывая выборку данных, мы использовали среднее значение выборки как оценку m.5
ИСПЫТАНИЕ ГИПОТЕЗЫ, СВЯЗАННОЙ С КОЭФФИЦИЕНТОМ РЕГРЕССИИ
Модель
X неизвестное m, s2
Оценочная функция
Review chapter
Модель регрессии
Слайд 6В контексте модели регрессии мы имеем параметры b1 и b2
и для них были получены оценки b1 и b2 .
В дальнейшем мы сосредоточимся на b2 и его оценке b2.6
ИСПЫТАНИЕ ГИПОТЕЗЫ, СВЯЗАННОЙ С КОЭФФИЦИЕНТОМ РЕГРЕССИИ
Модель
X неизвестное m, s2
Оценочная функция
Review chapter
Модель регрессии
Слайд 7В случае случайной величины X, наша стандартная нулевая гипотеза заключалась
в том, что m было равно некоторому определенному значению m0.
В случае модели регрессии наша нулевая гипотеза состоит в том, что b2 равен некоторому конкретному значению b20.7
ИСПЫТАНИЕ ГИПОТЕЗЫ, СВЯЗАННОЙ С КОЭФФИЦИЕНТОМ РЕГРЕССИИ
Модель
X неизвестное m, s2
Оценочная функция
Review chapter
Модель регрессии
Нулевая гипотеза
Альтернативная гипотеза
Слайд 8Для обеих популяций среднее значение m случайной величины X и
коэффициент регрессии b2, тестовая статистика является t статистикой.
8
ИСПЫТАНИЕ ГИПОТЕЗЫ, СВЯЗАННОЙ
С КОЭФФИЦИЕНТОМ РЕГРЕССИИСтатистика испытаний
Модель
X неизвестное m, s2
Оценочная функция
Нулевая гипотеза
Альтернативная гипотеза
Review chapter
Модель регрессии
Слайд 9В обоих случаях он определяется как разница между расчетным коэффициентом
и его гипотетическим значением, деленная на стандартную ошибку коэффициента.
9
ИСПЫТАНИЕ ГИПОТЕЗЫ,
СВЯЗАННОЙ С КОЭФФИЦИЕНТОМ РЕГРЕССИИСтатистика испытаний
Модель
X неизвестное m, s2
Оценочная функция
Нулевая гипотеза
Альтернативная гипотеза
Review chapter
Модель регрессии
Слайд 10Мы отклоняем нулевую гипотезу, если абсолютное значение больше критического значения
t, учитывая выбранный уровень значимости.
10
ИСПЫТАНИЕ ГИПОТЕЗЫ, СВЯЗАННОЙ С КОЭФФИЦИЕНТОМ РЕГРЕССИИ
Статистика
испытанийМодель
X неизвестное m, s2
Оценочная функция
Нулевая гипотеза
Альтернативная гипотеза
Reject H0 if
Review chapter
Модель регрессии
Слайд 11Есть одно важное различие. При определении критического значения t необходимо
учитывать число степеней свободы. В случае случайной величины X это
n
- 1, где n - количество наблюдений в образце.11
ИСПЫТАНИЕ ГИПОТЕЗЫ, СВЯЗАННОЙ С КОЭФФИЦИЕНТОМ РЕГРЕССИИ
Статистика испытаний
Модель
X неизвестное m, s2
Оценочная функция
Нулевая гипотеза
Альтернативная гипотеза
Reject H0 if
Степени свободы
n – 1
n – k = n – 2
Review chapter
Модель регрессии
Слайд 12Статистика испытаний
В случае модели регрессии число степеней свободы n -
k, где n - количество наблюдений в выборке, а k
- количество параметров (b коэффициентов). Для простой модели регрессии выше n - 2.12
ИСПЫТАНИЕ ГИПОТЕЗЫ, СВЯЗАННОЙ С КОЭФФИЦИЕНТОМ РЕГРЕССИИ
Модель
X неизвестное m, s2
Оценочная функция
Нулевая гипотеза
Альтернативная гипотеза
Reject H0 if
Степени свободы
n – 1
n – k = n – 2
Review chapter
Модель регрессии
Слайд 1313
В качестве иллюстрации мы рассмотрим модель, связанную с инфляцией цен
для инфляции заработной платы. p - процентный годовой темп роста
цен, w - процентный годовой темп роста заработной платы.ИСПЫТАНИЕ ГИПОТЕЗЫ, СВЯЗАННОЙ С КОЭФФИЦИЕНТОМ РЕГРЕССИИ
Пример: p = b1 + b2w + u
Нулевая гипотеза: H0: b2 = 1.0
Альтернативная гипотеза: H1: b2 ≠ 1.0
Слайд 1414
Мы проверим гипотезу о том, что темп инфляции цен равен
ставке инфляции заработной платы. Поэтому нулевая гипотеза H0: b2 =
1.0. (Мы также должны проверить b1 = 0.)ИСПЫТАНИЕ ГИПОТЕЗЫ, СВЯЗАННОЙ С КОЭФФИЦИЕНТОМ РЕГРЕССИИ
Пример: p = b1 + b2w + u
Нулевая гипотеза: H0: b2 = 1.0
Альтернативная гипотеза: H1: b2 ≠ 1.0
Слайд 1515
Предположим, что результат регрессии показан (стандартные ошибки в скобках). Наша
фактическая оценка коэффициента наклона составляет всего 0,82. Мы проверим, следует
ли отклонять нулевую гипотезу.ИСПЫТАНИЕ ГИПОТЕЗЫ, СВЯЗАННОЙ С КОЭФФИЦИЕНТОМ РЕГРЕССИИ
Пример: p = b1 + b2w + u
Нулевая гипотеза: H0: b2 = 1.0
Альтернативная гипотеза: H1: b2 ≠ 1.0
Слайд 1616
Мы вычисляем t статистику путем вычитания гипотетического истинного значения из
оценки выборки и деления на стандартную ошибку. Он достигает -1,80.
ИСПЫТАНИЕ
ГИПОТЕЗЫ, СВЯЗАННОЙ С КОЭФФИЦИЕНТОМ РЕГРЕССИИ Пример: p = b1 + b2w + u
Нулевая гипотеза: H0: b2 = 1.0
Альтернативная гипотеза: H1: b2 ≠ 1.0
Слайд 1717
В выборке имеется 20 наблюдений. Мы оценили 2 параметра, поэтому
существует 18 степеней свободы.
ИСПЫТАНИЕ ГИПОТЕЗЫ, СВЯЗАННОЙ С КОЭФФИЦИЕНТОМ РЕГРЕССИИ
Example: p =
b1 + b2w + uNull hypothesis: H0: b2 = 1.0
Alternative hypothesis: H1: b2 ≠ 1.0
Пример: p = b1 + b2w + u
Нулевая гипотеза: H0: b2 = 1.0
Альтернативная гипотеза: H1: b2 ≠ 1.0
Слайд 1818
Критическое значение t с 18 степенями свободы составляет 2,101 на
уровне 5%. Абсолютное значение t-статистики меньше этого, поэтому мы не
отвергаем нулевую гипотезу.ИСПЫТАНИЕ ГИПОТЕЗЫ, СВЯЗАННОЙ С КОЭФФИЦИЕНТОМ РЕГРЕССИИ
Пример: p = b1 + b2w + u
Нулевая гипотеза: H0: b2 = 1.0
Альтернативная гипотеза: H1: b2 ≠ 1.0
Слайд 1919
На практике обычно не имеют представление о фактическом значении коэффициентов.
Очень часто цель анализа состоит в том, чтобы продемонстрировать, что
на Y влияет X, без какого-либо конкретного предварительного представления о фактических коэффициентах отношения.ИСПЫТАНИЕ ГИПОТЕЗЫ, СВЯЗАННОЙ С КОЭФФИЦИЕНТОМ РЕГРЕССИИ
Moдель Y = b1 + b2X + u
Слайд 2020
В этом случае обычно определяется b2 = 0 как нулевая
гипотеза. На словах нулевая гипотеза состоит в том, что Х
не влияет на Y. Затем мы попытаемся показать, что нулевая гипотеза ложна.ИСПЫТАНИЕ ГИПОТЕЗЫ, СВЯЗАННОЙ С КОЭФФИЦИЕНТОМ РЕГРЕССИИ
Модель Y = b1 + b2X + u
Нулевая гипотеза: H0: b2 = 0
Альтернативная гипотеза: H1: b2 ≠ 0
Слайд 2121
For the null hypothesis b2 = 0, the t statistic
reduces to the estimate of the coefficient divided by its
standard error.ИСПЫТАНИЕ ГИПОТЕЗЫ, СВЯЗАННОЙ С КОЭФФИЦИЕНТОМ РЕГРЕССИИ
Moдель Y = b1 + b2X + u
Нулевая гипотеза: H0: b2 = 0
Альтернативная гипотеза: H1: b2 ≠ 0
Слайд 2222
Это отношение обычно называют t статистикой для коэффициента и автоматически
распечатывается как часть результатов регрессии. Чтобы выполнить тест для заданного
уровня значимости, мы напрямую сравниваем статистику t с критическим значением t для этого уровня значимости.ИСПЫТАНИЕ ГИПОТЕЗЫ, СВЯЗАННОЙ С КОЭФФИЦИЕНТОМ РЕГРЕССИИ
Moдель Y = b1 + b2X + u
Нулевая гипотеза: H0: b2 = 0
Альтернативная гипотеза: H1: b2 ≠ 0
Слайд 23. reg EARNINGS S
Source |
SS df MS
Number of obs = 540-------------+------------------------------ F( 1, 538) = 112.15
Model | 19321.5589 1 19321.5589 Prob > F = 0.0000
Residual | 92688.6722 538 172.283777 R-squared = 0.1725
-------------+------------------------------ Adj R-squared = 0.1710
Total | 112010.231 539 207.811189 Root MSE = 13.126
------------------------------------------------------------------------------
EARNINGS | Coef. Std. Err. t P>|t| [95% Conf. Interval]
-------------+----------------------------------------------------------------
S | 2.455321 .2318512 10.59 0.000 1.999876 2.910765
_cons | -13.93347 3.219851 -4.33 0.000 -20.25849 -7.608444
------------------------------------------------------------------------------
23
Вот результат функции заработка, установленный в предыдущем слайд-шоу, с выделенной статистикой t.
ИСПЫТАНИЕ ГИПОТЕЗЫ, СВЯЗАННОЙ С КОЭФФИЦИЕНТОМ РЕГРЕССИИ
Слайд 2424
Вы можете видеть, что t статистика для коэффициента S огромна.
Мы отвергли бы нулевую гипотезу о том, что школьное образование
не влияет на заработок на уровне значимости 1% (критическое значение около 2,59).ИСПЫТАНИЕ ГИПОТЕЗЫ, СВЯЗАННОЙ С КОЭФФИЦИЕНТОМ РЕГРЕССИИ
. reg EARNINGS S
Source | SS df MS Number of obs = 540
-------------+------------------------------ F( 1, 538) = 112.15
Model | 19321.5589 1 19321.5589 Prob > F = 0.0000
Residual | 92688.6722 538 172.283777 R-squared = 0.1725
-------------+------------------------------ Adj R-squared = 0.1710
Total | 112010.231 539 207.811189 Root MSE = 13.126
------------------------------------------------------------------------------
EARNINGS | Coef. Std. Err. t P>|t| [95% Conf. Interval]
-------------+----------------------------------------------------------------
S | 2.455321 .2318512 10.59 0.000 1.999876 2.910765
_cons | -13.93347 3.219851 -4.33 0.000 -20.25849 -7.608444
------------------------------------------------------------------------------
Слайд 2525
В этом случае мы могли бы пойти дальше и отвергнуть
нулевую гипотезу о том, что обучение не влияет на доход
на уровне значимости 0,1%.ИСПЫТАНИЕ ГИПОТЕЗЫ, СВЯЗАННОЙ С КОЭФФИЦИЕНТОМ РЕГРЕССИИ
. reg EARNINGS S
Source | SS df MS Number of obs = 540
-------------+------------------------------ F( 1, 538) = 112.15
Model | 19321.5589 1 19321.5589 Prob > F = 0.0000
Residual | 92688.6722 538 172.283777 R-squared = 0.1725
-------------+------------------------------ Adj R-squared = 0.1710
Total | 112010.231 539 207.811189 Root MSE = 13.126
------------------------------------------------------------------------------
EARNINGS | Coef. Std. Err. t P>|t| [95% Conf. Interval]
-------------+----------------------------------------------------------------
S | 2.455321 .2318512 10.59 0.000 1.999876 2.910765
_cons | -13.93347 3.219851 -4.33 0.000 -20.25849 -7.608444
------------------------------------------------------------------------------
Слайд 2626
Преимущество отчетности об отказе на уровне 0,1%, а не на
уровне 1%, заключается в том, что риск ошибочного отклонения нулевой
гипотезы без эффекта теперь составляет всего 0,1% вместо 1%. Результат, следовательно, еще более убедителен.ИСПЫТАНИЕ ГИПОТЕЗЫ, СВЯЗАННОЙ С КОЭФФИЦИЕНТОМ РЕГРЕССИИ
. reg EARNINGS S
Source | SS df MS Number of obs = 540
-------------+------------------------------ F( 1, 538) = 112.15
Model | 19321.5589 1 19321.5589 Prob > F = 0.0000
Residual | 92688.6722 538 172.283777 R-squared = 0.1725
-------------+------------------------------ Adj R-squared = 0.1710
Total | 112010.231 539 207.811189 Root MSE = 13.126
------------------------------------------------------------------------------
EARNINGS | Coef. Std. Err. t P>|t| [95% Conf. Interval]
-------------+----------------------------------------------------------------
S | 2.455321 .2318512 10.59 0.000 1.999876 2.910765
_cons | -13.93347 3.219851 -4.33 0.000 -20.25849 -7.608444
------------------------------------------------------------------------------
Слайд 2727
T cтатистика для перехвата также огромна. Однако, поскольку перехват не
имеет никакого значения, для него нет смысла выполнять t-тест.
ИСПЫТАНИЕ ГИПОТЕЗЫ,
СВЯЗАННОЙ С КОЭФФИЦИЕНТОМ РЕГРЕССИИ. reg EARNINGS S
Source | SS df MS Number of obs = 540
-------------+------------------------------ F( 1, 538) = 112.15
Model | 19321.5589 1 19321.5589 Prob > F = 0.0000
Residual | 92688.6722 538 172.283777 R-squared = 0.1725
-------------+------------------------------ Adj R-squared = 0.1710
Total | 112010.231 539 207.811189 Root MSE = 13.126
------------------------------------------------------------------------------
EARNINGS | Coef. Std. Err. t P>|t| [95% Conf. Interval]
-------------+----------------------------------------------------------------
S | 2.455321 .2318512 10.59 0.000 1.999876 2.910765
_cons | -13.93347 3.219851 -4.33 0.000 -20.25849 -7.608444
------------------------------------------------------------------------------
Слайд 2828
Следующий столбец на выходе дает так называемые значения р для
каждого коэффициента. Это вероятность получения соответствующей t статистики как случайности,
если нулевая гипотезаH0: b = 0 истина.ИСПЫТАНИЕ ГИПОТЕЗЫ, СВЯЗАННОЙ С КОЭФФИЦИЕНТОМ РЕГРЕССИИ
. reg EARNINGS S
Source | SS df MS Number of obs = 540
-------------+------------------------------ F( 1, 538) = 112.15
Model | 19321.5589 1 19321.5589 Prob > F = 0.0000
Residual | 92688.6722 538 172.283777 R-squared = 0.1725
-------------+------------------------------ Adj R-squared = 0.1710
Total | 112010.231 539 207.811189 Root MSE = 13.126
------------------------------------------------------------------------------
EARNINGS | Coef. Std. Err. t P>|t| [95% Conf. Interval]
-------------+----------------------------------------------------------------
S | 2.455321 .2318512 10.59 0.000 1.999876 2.910765
_cons | -13.93347 3.219851 -4.33 0.000 -20.25849 -7.608444
------------------------------------------------------------------------------
Слайд 2929
Если вы отклоните нулевую гипотезу H0: b = 0, это
вероятность того, что вы совершили ошибку и сделаете ошибку типа
I. Поэтому он дает уровень значимости, при котором нулевая гипотеза будет отвергнута.ИСПЫТАНИЕ ГИПОТЕЗЫ, СВЯЗАННОЙ С КОЭФФИЦИЕНТОМ РЕГРЕССИИ
. reg EARNINGS S
Source | SS df MS Number of obs = 540
-------------+------------------------------ F( 1, 538) = 112.15
Model | 19321.5589 1 19321.5589 Prob > F = 0.0000
Residual | 92688.6722 538 172.283777 R-squared = 0.1725
-------------+------------------------------ Adj R-squared = 0.1710
Total | 112010.231 539 207.811189 Root MSE = 13.126
------------------------------------------------------------------------------
EARNINGS | Coef. Std. Err. t P>|t| [95% Conf. Interval]
-------------+----------------------------------------------------------------
S | 2.455321 .2318512 10.59 0.000 1.999876 2.910765
_cons | -13.93347 3.219851 -4.33 0.000 -20.25849 -7.608444
------------------------------------------------------------------------------
Слайд 3030
Если p = 0,05, нулевая гипотеза может быть просто отвергнута
на уровне 5%. Если это было 0,01, его можно было
бы просто отклонить на уровне 1%. Если бы он составлял 0,001, его можно было бы просто отклонить на уровне 0,1%. Это предполагает, что вы используете двухсторонние тесты.ИСПЫТАНИЕ ГИПОТЕЗЫ, СВЯЗАННОЙ С КОЭФФИЦИЕНТОМ РЕГРЕССИИ
. reg EARNINGS S
Source | SS df MS Number of obs = 540
-------------+------------------------------ F( 1, 538) = 112.15
Model | 19321.5589 1 19321.5589 Prob > F = 0.0000
Residual | 92688.6722 538 172.283777 R-squared = 0.1725
-------------+------------------------------ Adj R-squared = 0.1710
Total | 112010.231 539 207.811189 Root MSE = 13.126
------------------------------------------------------------------------------
EARNINGS | Coef. Std. Err. t P>|t| [95% Conf. Interval]
-------------+----------------------------------------------------------------
S | 2.455321 .2318512 10.59 0.000 1.999876 2.910765
_cons | -13.93347 3.219851 -4.33 0.000 -20.25849 -7.608444
------------------------------------------------------------------------------
Слайд 3131
В данном случае p = от 0 до трех знаков
после запятой для коэффициента S. Это означает, что мы можем
отклонить нулевую гипотезу H0: b2 = 0 на уровне 0,1%, не обращаясь к таблице критических значений t. (Тестирование перехвата не имеет смысла в этой регрессии.)ИСПЫТАНИЕ ГИПОТЕЗЫ, СВЯЗАННОЙ С КОЭФФИЦИЕНТОМ РЕГРЕССИИ
TESTING A HYPOTHESIS RELATING TO A REGRESSION COEFFICIENT
. reg EARNINGS S
Source | SS df MS Number of obs = 540
-------------+------------------------------ F( 1, 538) = 112.15
Model | 19321.5589 1 19321.5589 Prob > F = 0.0000
Residual | 92688.6722 538 172.283777 R-squared = 0.1725
-------------+------------------------------ Adj R-squared = 0.1710
Total | 112010.231 539 207.811189 Root MSE = 13.126
------------------------------------------------------------------------------
EARNINGS | Coef. Std. Err. t P>|t| [95% Conf. Interval]
-------------+----------------------------------------------------------------
S | 2.455321 .2318512 10.59 0.000 1.999876 2.910765
_cons | -13.93347 3.219851 -4.33 0.000 -20.25849 -7.608444
------------------------------------------------------------------------------
Слайд 3232
Это более информативный подход к представлению результатов испытаний и широко
используемых в медицинской литературе.
ИСПЫТАНИЕ ГИПОТЕЗЫ, СВЯЗАННОЙ С КОЭФФИЦИЕНТОМ РЕГРЕССИИ
. reg
EARNINGS SSource | SS df MS Number of obs = 540
-------------+------------------------------ F( 1, 538) = 112.15
Model | 19321.5589 1 19321.5589 Prob > F = 0.0000
Residual | 92688.6722 538 172.283777 R-squared = 0.1725
-------------+------------------------------ Adj R-squared = 0.1710
Total | 112010.231 539 207.811189 Root MSE = 13.126
------------------------------------------------------------------------------
EARNINGS | Coef. Std. Err. t P>|t| [95% Conf. Interval]
-------------+----------------------------------------------------------------
S | 2.455321 .2318512 10.59 0.000 1.999876 2.910765
_cons | -13.93347 3.219851 -4.33 0.000 -20.25849 -7.608444
------------------------------------------------------------------------------
Слайд 3333
Однако в экономике стандартная практика заключается в представлении результатов, относящихся
к уровням значимости 5% и 1%, а иногда и к
уровню 0,1% (когда на этом уровне можно отказаться).ИСПЫТАНИЕ ГИПОТЕЗЫ, СВЯЗАННОЙ С КОЭФФИЦИЕНТОМ РЕГРЕССИИ
. reg EARNINGS S
Source | SS df MS Number of obs = 540
-------------+------------------------------ F( 1, 538) = 112.15
Model | 19321.5589 1 19321.5589 Prob > F = 0.0000
Residual | 92688.6722 538 172.283777 R-squared = 0.1725
-------------+------------------------------ Adj R-squared = 0.1710
Total | 112010.231 539 207.811189 Root MSE = 13.126
------------------------------------------------------------------------------
EARNINGS | Coef. Std. Err. t P>|t| [95% Conf. Interval]
-------------+----------------------------------------------------------------
S | 2.455321 .2318512 10.59 0.000 1.999876 2.910765
_cons | -13.93347 3.219851 -4.33 0.000 -20.25849 -7.608444
------------------------------------------------------------------------------
