u检验.doc

适用于计量资料、正态分布、方差具有齐性的两组间小样本比较。包括配对资料间、样本与均数间、两样本均数间比较三种,三者的计算公式不能混淆。 '检验应用条件与t检验大致相同,但t′检验用于两组间方差不齐时,t′检验的计算公式实际上是方差不齐时t检验的校正公式。

应用条件与t检验基本一致,只是当大样本时用U检验,而小样本时则用t检验,t检验可以代替U检验。

用于正态分布、方差齐性的多组间计量比较。常见的有单因素分组的多样本均数比较及双因素分组的多个样本均数的比较,方差分析首先是比较各组间总的差异,如总差异有显著性,再进行组间的两两比较,组间比较用q检验或LST检验等。

是计数资料主要的显著性检验方法。用于两个或多个百分比(率)的比较。常见以下几种情况:四格表资料、配对资料、多于2行*2列资料及组内分组X2检验。

用于计数资料。是当实验组或对照组中出现概率为0或100%时,X2检验的一种特殊形式。属于直接概率计算法。 、秩和检验和Ridit检验 三者均属非参数统计方法,共同特点是简便、快捷、实用。可用于各种非正态分布的资料、未知分布资料及半定量资料的分析。其主要缺点是容易丢失数据中包含的信息。所以凡是正态分布或可通过数据转换成正态分布者尽量不用这些方法。

用于计量资料、正态分布、两组间多项指标的综合差异显著性检验。计量经济学检验方法讨论计量经济学中的检验方法多种多样,而且在不同的假设前提之下,使用的检验统计量不同,在这里我论述几种比较常见的方法。在讨论不同的检验之前,我们必须知道为什么要检验,到底检验什么?如果这个问题都不知道,那么我觉得我们很荒谬或者说是很模式化。检验的含义是要确实因果关系,计量经济学的核心是要说因果关系是怎么样的。那么如果两个东西之间没有什么因果联系,那么我们寻找的原因就不对。那么这样的结果是没有什么意义的,或者说是意义不大的。那么检验对于我们确认结果非常的重要,也是评价我们的结果是否拥有价值的关键因素。所以要做统计检验。t检验,t检验主要是检验单个ols估计值或者说是参数估计值的显著性,什么是显著性?也就是给定一个容忍程度,一个我们可以犯错误的限度,错误分为两类:1、本来是错的但是我们认为是对的。2、本来是对的我们认为是错的。统计的检验主要是针对第一种错误而言的。一般的计量经济学中的这个容忍程度是5%,也就是说可以容忍我们范第一类错误的概率是5%。这样说不准确,但是比较好理解。t-stastic是类似标准正态化的正态分布两一样,也就是估计值减去假设值除以估计值得标准差,一般假设值是0,这一点不难理解,如果是0 ,那么也就意味着没有因果关系。这个t-static在经典假设之下服从t分布。t分布一般是和正态分布差不多,尤其是当样本的量足够大的时候,一般的经验认为在样本数量大于120的时候,就可以看成是正态分布的。F-statistc:F检验是属于联合检验比较重要的一种,主要的目的是用于对于一系列的原因的是否会产生结果这样一个命题做出的检验。F统计量主要的产生来源是SSR\SST\SSE三个量。但是这个检验有一个缺点是必须在经典假设之下才能有效。LM检验:这个检验的性质和F检验的性质是一样的,都是检验联合显著性的,不同的是F统计量符合F分布,但是LM统计量服从卡方分布。卡方分布是正态分布的变量的平方和,而F分布是卡方分布的商,并且分子和分布必须独立,这就是为什么F检验适用范围受限的原因。LM=n*SSR、或者是LM=n-SSR。至于其他的White检验、Brusch-pagan检验(异方差的检验方法)、还有序列相关的t检验、DW检验基本原来是相同的。关于异方差检验、序列相关的检验其中存在不同的地方,但是思想基本是相同的。关于异方差检验的讨论:1、Brusch-pagan检验:这个检验的思路比较简单,主要是要研究残查和X之间的关系,给定这样的一个方程:u=b0+b1*x1+……+bn*xn+u'的回归,其中进行F检验和LM检验。如果检验通过那么不存在异方差,如果不通过那么存在异方差。2、White检验:这个检验也是对异方差的检验,但是这个检验不同的是不仅对于X的一次方进行回归,而且考虑到残查和x的平方还有Xi*Xj之间的关系。给定如下方程:u=b0+b1*y+b2*y^2+u'。也是用F和LM联合检验来检验显著性。如果通过那么不存在异方差,否则存在。序列相关的检验方法的讨论:对于时间序列的问需要知道一个东西,也就是一介自回归过程,也就是一般在教科书中说到的: