做实证的,看论文的,必然会看到回归结论中有提到“接受原假设”或“拒绝原假设”之类的话。
对于我这种概率论和数理统计不及格的菜鸟文科生来说,一直被这些接受或拒绝给绕晕了。我经常想为什么要接受,为什么要拒绝。
后来我是这么想的,立即豁然开朗起来:
方程:Y=a1*X1+a2*X2+a3*X3+e
按计量经济学的观点,方程有一个原假设H0,就是所有的系数a都等于0,即a1=0,a2=0,a3=0,就是说,这些系数等于0,意味着自变量X对因变量Y没有影响。同样的,必须有一个相对的假设,叫备选假设H1?备选假设H1就表示X对Y有影响。
这是二选一的过程,要么接受H0,X对Y没影响;要么拒绝H0,接受H1,X对Y有影响。
这个时候,实证出场,用一定量的样本去分析,系数a等于0的概率有多大。一般以5%或者说0.05为参照标准。如果回归结果显示的P值<5%的时候,表示系数等于0的概率不超过5%(当然越小越好,是这个意思么?),那就表示自变量X对因变量Y没有影响的概率不足5%,反过来说,X对Y有影响的概率要大于95%。所以,这个是显著的。
这是我这个计量经济学菜鸟的心得。对与不对,请坛里的专家批评。
小结一下:
同时要结合假设的表达方式。如果要证明X对Y有影响,则实证结果中,X系数P值要小于0.05(越小越好),要显著;如果要证明X对Y没有影响,则实证结果中X系数P值要大于0.05(越大越好)。系数本身表示影响度,P值表示概率大小。