苹果/安卓/wp
积分 137, 距离下一级还需 8 积分
权限: 自定义头衔
道具: 彩虹炫, 涂鸦板, 雷达卡, 热点灯, 金钱卡, 显身卡下一级可获得
道具: 匿名卡
购买后可立即获得
权限: 隐身
道具: 金钱卡, 彩虹炫, 雷达卡, 热点灯, 涂鸦板
开心签到天数: 1 天连续签到: 1 天[LV.1]初来乍到
麻烦各位，有人告诉我：做制度因素对于经济发展的影响必须考虑内生性问题。但是我把制度因素细化为9个指标，请问如何检验者9个指标的内生性呢？还是说根本不用检验，直接OLS回归去？希望得到别人的帮助。谢谢
支持楼主：、
购买后，论坛将把您花费的资金全部奖励给楼主，以表示您对TA发好贴的支持
载入中......
需要找工具变量
dream521 发表于
需要找工具变量找工具变量之前不是要先检验变量本身是不是存在内生性么？
LeeNa007 发表于
找工具变量之前不是要先检验变量本身是不是存在内生性么？使用工具变量的前提是存在内生解释变量，也需要检验，如何从统计上检验解释变量是否为内生？由于扰动项不可观测，故无法直接检验解释变量与扰动项的相关性。但如果找到有效的工具变量，可以借助工具变来个来检验解释变量的内生性。——参见陈强《高级计量经济学及STATA应用》P128-129
检验内生性问题就是工具变量回归之后的系数与普通回归系数之间是否有显著差异，若存在，则表明存在内生性问题。
懂得放弃才会拥有
lihoujian 发表于
检验内生性问题就是工具变量回归之后的系数与普通回归系数之间是否有显著差异，若存在，则表明存在内生性问 ...厉害，是这样的
受教了，好好学习
无限扩大经管职场人脉圈！每天抽选10位免费名额，现在就扫& 论坛VIP& 贵宾会员& 可免费加入
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
如有投资本站或合作意向，请联系（010-）；
邮箱：service@pinggu.org
投诉或不良信息处理：（010-）
京ICP证090565号
论坛法律顾问：王进律师苹果/安卓/wp
积分 18, 距离下一级还需 6 积分
道具: 彩虹炫, 涂鸦板, 雷达卡, 热点灯, 金钱卡
购买后可立即获得
权限: 隐身
道具: 金钱卡, 彩虹炫, 雷达卡, 热点灯, 涂鸦板
rt，急......求救高手
已经采用DW检验过了，落入了不确定的区间内
现在打算用拉格朗日检验。但是用eviews估计方程后找不到residual test选项了
听说residual test选项在eqution窗口的view下，可是我在估计方程之后根本没有出现eqution窗口，仍然是pool，这是怎么回事啊？怎么才能找到residual test啊？
我用的是eviews 6.0
载入中......
发表于13楼
我不知道这样做对不对，我直接把回归后得到的残差存到了一个新的group中，用的是pro——make residual， 然后在group窗口中view下点correlogram，看残差的自相关图。
面板数据的处理方法我也不太懂，似乎看大家的意见用STATA做面板数据的处理更为合适一些。Eviews中面板数据的自相关、异方差和截面相关的检验都没有。
本帖被以下文库推荐
& |主题: 8540, 订阅: 47
在线等贴 急啊
自己顶 继续等
汗啊 等了一天 嘴都起泡了 也没人理啊
我也想知道答案
混江湖的小兵
我也是遇到这个问题啊，求高人指教啊！！！
eviews目前还不能够检验面板数据的残差相关性 那个dw值不能看的 没有意义 这个检验在stata中可以完成
EViwes没法做啊
那就是说EVIEWS的面板回归结果出来后，如果ＤＷ统计量不理想的话，我可以把它和谐掉了，不考虑进去？
你是不是操作不对啊，应该有的
无限扩大经管职场人脉圈！每天抽选10位免费名额，现在就扫& 论坛VIP& 贵宾会员& 可免费加入
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
如有投资本站或合作意向，请联系（010-）；
邮箱：service@pinggu.org
投诉或不良信息处理：（010-）
京ICP证090565号
论坛法律顾问：王进律师T检验（T Test）
什么是T检验
　　T检验，亦称student t检验（Student's t test），主要用于样本含量较小（例如n&30），总体标准差σ未知的资料。
　　T检验是用于小样本（小于30）的两个平均值差异程度的检验方法。它是用T分布理论来推断差异发生的概率，从而判定两个平均数的差异是否显著。
　　T检验是为了观测酿酒质量而发明的。戈斯特在位于都柏林的健力士酿酒厂担任统计学家，基于Claude Guinness聘用从和出来的最好的毕业生以将生物化学及统计学应用到健力士工业程序的创新政策。戈特特于1908年在Biometrika上公布T检验，但因其老板认为其为而被迫使用笔名（学生）。实际上，戈斯特的真实身份不只是其它统计学家不知道，连其老板也不知道。
　　T检验的适用条件：正态分布资料
单个样本的t检验
　　目的：比较样本均数
所代表的未知总体均数μ和已知总体均数&0。
　　计算公式：
　　t统计量：
　　自由度：v=n - 1
　　适用条件：
已知一个总体均数；
可得到一个样本均数及该样本标准误；
　　(3) 样本来自正态或近似正态总体。
难产儿出生体重n=35, =3.42,
　　一般婴儿出生体重&0=3.30（大规模调查获得），问相同否？
　　解：1.建立假设、确定检验水准α
　　H0：& = &0 （无效假设，null hypothesis）
　　H1：（备择假设,alternative hypothesis，）
　　双侧检验，检验水准:α=0.05
　　 2.计算检验统计量
　　，v=n-1=35-1=34
　　3.查相应界值表，确定P值，下结论
　　查附表1: t0.05 / 2.34 = 2.032,t = 1.77,t & t0.05 / 2.34, P & 0.05，按α=0.05水准，不拒绝H0，两者的差别无统计学意义
配对样本t检验
　　配对设计：将受试对象的某些重要特征按相近的原则配成对子，目的是消除混杂因素的影响，一对观察对象之间除了处理因素/研究因素之外，其它因素基本齐同，每对中的两个个体随机给予两种处理。
两种同质对象分别接受两种不同的处理，如性别、年龄、体重、病情程度相同配成对。
同一受试对象或同一样本的两个部分，分别接受两种不同的处理
自身对比。即同一受试对象处理前后的结果进行比较。
　　目的：判断不同的处理是否有差别
　　计算公式及意义：
　　自由度：v=对子数-1
　　适用条件：配对资料
T检验的步骤
　　1、建立虚无假设H0:&1 = &2，即先假定两个总体平均数之间没有显著差异；
　　2、计算统计量T值，对于不同类型的问题选用不同的计算方法；
　　1）如果要评断一个总体中的小样本平均数与总体平均值之间的差异程度，其统计量T值的计算公式为：
　　2）如果要评断两组样本平均数之间的差异程度，其统计量T值的计算公式为：
　　3、根据自由度df=n-1，查T值表，找出规定的T理论值并进行比较。理论值差异的显著水平为0.01级或0.05级。不同自由度的显著水平理论值记为T(df)0.01和T(df)0.05
　　4、比较计算得到的t值和理论T值，推断发生的概率，依据下表给出的T值与差异显著性关系表作出判断。
T值与差异显著性关系表
TP值差异显著程度
差异非常显著
T & T(df)0.05P & 0.05差异不显著
　　5、根据是以上分析，结合具体情况，作出结论。
T检验举例说明
　　例如，T检验可用于比较药物治疗组与安慰剂治疗组病人的测量差别。理论上，即使样本量很小时，也可以进行T检验。（如样本量为10，一些学者声称甚至更小的样本也行），只要每组中变量呈正态分布，两组方差不会明显不同。如上所述，可以通过观察数据的分布或进行正态性检验估计数据的正态假设。方差齐性的假设可进行F检验，或进行更有效的Levene's检验。如果不满足这些条件，只好使用非参数检验代替T检验进行两组间均值的比较。
　　T检验中的P值是接受两均值存在差异这个假设可能犯错的概率。在上，当两组观察对象总体中的确不存在差别时，这个概率与我们拒绝了该假设有关。一些学者认为如果差异具有特定的方向性，我们只要考虑单侧概率分布，将所得到t-检验的P值分为两半。另一些学者则认为无论何种情况下都要报告标准的双侧T检验概率。
　　1、数据的排列
　　为了进行独立样本T检验，需要一个自（分组）变量（如性别：男女）与一个因变量（如测量值）。根据自变量的特定值，比较各组中因变量的均值。用T检验比较下列男、女儿童身高的均值。
对象1对象2对象3对象4对象5男性男性男性女性女性111110109102104
男性身高均数 = 110女性身高均数 = 103
　　2、T检验图
　　在T检验中用箱式图可以直观地看出均值与的比较，见下图：
　　这些图示能够很快地估计并且直观地表现出分组变量与因变量关联的强度。
　　3、多组间的比较
　　科研实践中，经常需要进行两组以上比较，或含有多个自变量并控制各个自变量单独效应后的各组间的比较，（如性别、药物类型与剂量），此时，需要用方差分析进行，方差分析被认为是T检验的推广。在较为复杂的设计时，方差分析具有许多t-检验所不具备的优点。（进行多次的T检验进行比较设计中不同格子均值时）。
T检验注意事项
要有严密的抽样设计随机、均衡、可比
选用的检验方法必须符合其适用条件(注意：t检验的前提是资料服从正态分布)
单侧检验和双侧检验
　　单侧检验的界值小于双侧检验的界值，因此更容易拒绝，犯第Ⅰ错误的可能性大。
的结论不能绝对化
不能拒绝H0，有可能是样本数量不够拒绝H0 ，有可能犯第Ⅰ类错误
正确理解P值与差别有无统计学意义
　　P越小，不是说明实际差别越大，而是说越有理由拒绝H0 ，越有理由说明两者有差异，差别有无统计学意义和有无专业上的实际意义并不完全相同
和可信区间的关系
结论具有一致性
差异：提供的信息不同
　　区间估计给出总体均值可能取值范围，但不给出确切的概率值，可以给出H0成立与否的概率
→如果您认为本词条还有待完善，请
词条内容仅供参考，如果您需要解决具体问题（尤其在法律、医学等领域），建议您咨询相关领域专业人士。
暂无同义词
关于本词条的评论 (共0条）苹果/安卓/wp
积分 9, 距离下一级还需 1 积分
道具: 彩虹炫, 涂鸦板, 雷达卡, 热点灯下一级可获得
道具: 金钱卡
购买后可立即获得
权限: 隐身
道具: 金钱卡, 彩虹炫, 雷达卡, 热点灯, 涂鸦板
各位大神可以给出ADF检验和DF检验、PP检验的具体方法吗？就是给出一组数据，怎样进行以上三种检验，怎样得出结果。我不是科班出身，所以不懂，由于老师催的很急，所以我只能上这里来求助各位大神，只想要具体的方法是怎样的？
支持楼主：、
购买后，论坛将把您花费的资金全部奖励给楼主，以表示您对TA发好贴的支持
载入中......
无限扩大经管职场人脉圈！每天抽选10位免费名额，现在就扫& 论坛VIP& 贵宾会员& 可免费加入
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
如有投资本站或合作意向，请联系（010-）；
邮箱：service@pinggu.org
投诉或不良信息处理：（010-）
京ICP证090565号
论坛法律顾问：王进律师苹果/安卓/wp
积分 45, 距离下一级还需 40 积分
道具: 彩虹炫, 涂鸦板, 雷达卡, 热点灯, 金钱卡, 显身卡下一级可获得
权限: 自定义头衔
购买后可立即获得
权限: 隐身
道具: 金钱卡, 彩虹炫, 雷达卡, 热点灯, 涂鸦板
（1）正态性检验：大样本用K-S检验，小样本用Shapiro-Wilk检验。具体方法有两种，一种是使用Descriptive Statistics-&Explore，一种是使用Non-parametic Test-&1 Sample K-S Test
（2）标准化处理（去量纲）：即将原有的一组数据转为符合N(0,1)分布的数据，从而达到去单位的效果。具体做法是在Descriptive Statistics-&Descriptive下勾选Save standardized values as variables，即可得到相应的标准化数据。
（3）单因素方差分析：
& &1.前提条件
& &&&正态性检验，独立性检验，方差齐性
& &2.数据导入
& &&&对于固定效应模型，可以利用Compare Means/One way ANOVA实现，亦可以用GLM/univariate实现，对于随机效应模型，可以用GLM/univariate实现。
& &&&如何判定该用固定效应模型还是随机效应模型：因为HAUSMAN TEST的原假设是:采用随机效应模型:备选假设:采用固定效应模型.所以,直接看P值就行了,若P值小于0.01\0.05\0.1三者中的一个显著性水平(看你怎样定显著性水平),就可以拒绝原假设,而采用固定效应模型.
（4）多因素方差分析
& & 1.前提条件
& && && &正态性检验，独立性检验，方差齐性
& & 2.数据导入
& && &对于固定效应和随机效应，都用GLM/univariate实现。
& & 3.模型的选择
& && &对于有重复观测值的多因素方差分析，首先分析各个因素是否存在交互效应，如果不存在交互效应，则把交互效应并为误差效应，仅分析各因素的独立效应或主效应。
（4.5）实际应用中对方差分析适应条件的把握
& && & 1.单因素方差分析：在单因素方差分析中，如果各组的重复观测数相同或总体呈正态分布，则方差分析模型对方差不齐有一定的承受力，只有最大方差与最小方差之比小于3，结果是稳定的。& && && && && && && &
& && & 2.单元格内无重复的多因素方差分析：不考虑正态性和方差齐性问题，这是因为正态性和方差齐性是以单元格为基本单位的，每个单元格只有一个数据，因此无法分析。
& && & 3.单元格有重复数据的多因素方差分析：一般数据量较小，因此正态性检验和方差齐性检验无实际意义。& &
（5）简单相关分析
& & 1.参数方法（Pearson方法）
& && &要求所有变量均服从正态分布
& & 2.非参数方法(Spearman方法)
& && &适用于不服从正态分布的变量
& & ps:偏相关分析和复相关分析均要求服从正态分布（Pearson方法）
（6）线性回归分析的前提条件
& & 1.自变量之间相互独立
& & 检验方法：多重共线性检验，检验指标为容许度（Tolerance）和方差膨胀因子（VIF）
& & 2.残差独立且服从正态分布
& & 检验方法：一是作图法，二是DW（Durbin-Watson）检验，三是Runs检验
& & 3.自变量和因变量之间的关系是线性的
& & 检验方法：一是作图法，二是t检验，三是F检验与可决系数
（7）各种t检验的用途
& & 1.单样本t检验（One Sample T Test）
& && &对一组样本，检验相应总体均值是否等于某个值
& & 2.相互独立样本t检验（Independent-Sample T Test）
& && &样本x1,x2,...,xn与样本y1,y2,...,yn可以颠倒顺序而对结果不会产生影响
& & 3.配对样本t检验
& && &样本x1,x2,...,xn与样本y1,y2,...,yn的顺序不可以颠倒。
载入中......
本帖被以下文库推荐
& |主题: 1619, 订阅: 11
& |主题: 57, 订阅: 12
方差分析主要有三种模型：即固定效应模型（fixed effects model），随机效应模型（random effects model），混合效应模型（mixed effects model）。
所谓的固定、随机、混合，主要是针对分组变量而言的。
固定效应模型，表示你打算比较的就是你现在选中的这几组。例如，我想比较3种药物的疗效，我的目的就是为了比较这三种药的差别，不想往外推广。这三种药不是从很多种药中抽样出来的，不想推广到其他的药物，结论仅限于这三种药。“固定”的含义正在于此，这三种药是固定的，不是随机选择的。
随机效应模型，表示你打算比较的不仅是你的设计中的这几组，而是想通过对这几组的比较，推广到他们所能代表的总体中去。例如，你想知道是否名牌大学的就业率高于普通大学，你选择了北大、清华、北京工商大学、北京科技大学4所学校进行比较，你的目的不是为了比较这4所学校之间的就业率差异，而是为了说明他们所代表的名牌和普通大学之间的差异。你的结论不会仅限于这4所大学，而是要推广到名牌和普通这样的一个更广泛的范围。“随机”的含义就在于此，这4所学校是从名牌和普通大学中随机挑选出来的。
混合效应模型就比较好理解了，就是既有固定的因素，也有随机的因素。
一般来说，只有固定效应模型，才有必要进行两两比较，随机效应模型没有必要进行两两比较，因为研究的目的不是为了比较随机选中的这些组别。
固定效应和随机效应的选择是大家做面板数据常常要遇到的问题，一个常见的方法是做huasman检验，即先估计一个随机效应，然后做检验，如果拒绝零假设，则可以使用固定效应，反之如果接受零假设，则使用随机效应。但这种方法往往得到事与愿违的结果。另一个想法是在建立模型前根据数据性质确定使用那种模型，比如数据是从总体中抽样得到的，则可以使用随机效应，比如从N个家庭中抽出了M个样本，则由于存在随机抽样，则建议使用随机效应，反之如果数据是总体数据，比如31个省市的Gdp，则不存在随机抽样问题，可以使用固定效应。同时，从估计自由度角度看，由于固定效应模型要估计每个截面的参数，因此随机效应比固定效应有较大的自由度.
谢谢楼主，分享了。
曲线拟合的结果该如何检验？？
谢谢版主解答
[楼主真厉害....
楼主你好&&我想问一下曲线拟合的模型怎么用检验样本来检验？
初级热心勋章
初级热心勋章
中级热心勋章
中级热心勋章
初级学术勋章
初级学术勋章
初级信用勋章
初级信用勋章
无限扩大经管职场人脉圈！每天抽选10位免费名额，现在就扫& 论坛VIP& 贵宾会员& 可免费加入
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
如有投资本站或合作意向，请联系（010-）；
邮箱：service@pinggu.org
投诉或不良信息处理：（010-）
京ICP证090565号
论坛法律顾问：王进律师