t值、F值与R方的区别？F值和P值关系

Posted 2023-04-04

参考技术A t值是对单个变量显著性的检验，t值的绝对值大于临界值说明该变量是显著的，要注意的是t检验是对总体当中变量是否是真正影响因变量的一个变量的检验，即检验总体中该变量的参数是否为零，只不过总体中变量的参数永远未知，只能用其无偏估量（参数的样本估计量)来代替进行检验.

F值是对所有解释变量整体显著性的检验，其原假设是所有的解释变量的参数都为零，而只要其中至少有一个解释变量的参数不为零就说明解释变量在整体上对因变量有显著性的影响，但仅依靠F检验是无法判断究竟哪个自变量对因变量有显著性的影响，必须进一步对每一个变量进行t检验。

R平方值表明了模型对样本数据的拟合程度，其值越高说明模型对样本数据拟合得更好，要注意R平方值是样本依赖的，就是说R平方值判别模型的一个潜在的假设是你所抽取的样本是真正来自于你所研究的总体，而现实当中这一点往往难以做到。我们进行计量经济分析的最终目的是要依据样本数据来研究总体的规律性，那么相应的检验也是要对总体进行，而R平房值的高低仅代表模型对样本数据的拟合程度，并不能说明总体当中变量的显著性，虽然F统计量和R平方值有换算关系，但是二者的构造机理是完全不同的，包括t检验都是针对总体的检验，所以在现实中我们一般不对R平方值的大小给与太大的关注，而更看重 t检验 的结果，试想如果你抽取的一组样本不是来自于你真正要研究的对象的总体，即使R平方值再高、那也说明不了问题。

显著是拒绝还是接受原假设

助计量经济学高手!P值与接受或拒绝原假设之间的关系是?
计量经济学中
P值与接受或拒绝原假设之间的关系是什么?
P值显著（趋于0） 是接受原假设?还是接受备择假设?
常数估计的P值和 t 统计量估计的P值 和F统计量估计的P值 分别在接受原假设或备择假设时情况一样吗?（即同样显著的话,以上三者的原假设者成立?）

显著性检验就是事先对总体（随机变量）的参数或总体分布形式做出一个假设，然后利用样本信息来判断这个假设（原假设）是否合理，即判断总体的真实情况与原假设是否显著地有差异。或者说，显著性检验要判断样本与我们对总体所做的假设之间的差异是纯属机会变异，还是由我们所做的假设与总体真实情况之间不一致所引起的。

　　显著性检验是针对我们对总体所做的假设做检验，其原理就是“小概率事件实际不可能性原理”来接受或否定假设。

　　抽样实验会产生抽样误差，对实验资料进行比较分析时，不能仅凭两个结果（平均数或率）的不同就作出结论，而是要进行统计学分析，鉴别出两者差异是抽样误差引起的，还是由特定的实验处理引起的。

显著性检验的含义
　　显著性检验即用于实验处理组与对照组或两种不同处理的效应之间是否有差异，以及这种差异是否显著的方法。

　　常把一个要检验的假设记作H0,称为原假设（或零假设） (null hypothesis) ，与H0对立的假设记作H1，称为备择假设(alternative hypothesis) 。

　　⑴ 在原假设为真时，决定放弃原假设，称为第一类错误，其出现的概率通常记作α；

　　 ⑵ 在原假设不真时，决定接受原假设，称为第二类错误，其出现的概率通常记作β。

　　通常只限定犯第一类错误的最大概率α， 不考虑犯第二类错误的概率β。这样的假设 检验又称为显著性检验，概率α称为显著性水平。

　　最常用的α值为0.01、0.05、0.10等。一般情况下，根据研究的问题，如果放弃真错误损失大，为减少这类错误，α取值小些 ，反之，α取值大些。 参考技术A 通俗点说,那个P值是指“接近原假设的概率”,例如T统计量的P值,是指参数接近0的概率（因为原假设是参数为0）,我们一般用5%的显著性水平,如果P值小于0.05,即参数等于0的概率小于0.05,我们就可以认为,拒绝原假设了,即通过了显著性检验. 参考技术B 拒绝原假设，经济学中的一个概念，是说原来的假设条件在新的经验数据的基础上不成立了，也就是说，经济变量不是原来所说的那个数值不变了，而是发生变化了，这就是说，经济变量的值变大了或者变小了，经济学上把这种情况称为变化。拒绝原假设的结果就是要重新估计这些经济变量，也就是说，要对原来的假设进行调整。