请问计量分析中的P值是如何详解的呢

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

大多数统计分析都是用指明哪些系数在1%、5%或其他适当显著性水平上显著的方式说明统计显著性检验的结果。但是，有的时候用P值（概率值）的形式提供的额外信息也是很有用的。P值是计量经济结果对应的精确的显著性水平。因此，一个0.07的P值说明有关系数在0.07水平上（但不是在5%水平上）统计显著。在正态分布的双侧检验中，这意味着有7%的T分布在均值+-1.96倍标准差的区间之外。
要检验的假设一般都是某个回归系数等于0的原假设。因此在系数为0的原假设为真的条件下，P值是得到其系数估计不小于已知估计系数的新样本数据的概率。在原假设为真时，P值越小就越不可能出现这种情况。反过来，较大的P值意味着样本数据支持原假设。
P值度量的是犯第一类错误的概率，即拒绝正确的原假设的概率。P值越大，错误地拒绝原假设的可能性就越大；P值越小，拒绝原假设时就越放心。（这是本人摘引的计量经济模型也经济预测中的内容，感觉还是难以理解）

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏4 回帖

关键词：计量分析 计量经济模型 第一类错误 计量经济 样本数据 详解 计量

1# cass100
我帮你搜了半天，希望对你有用！


一、P值的由来
R·A·Fisher（1890-1962）作为一代假设检验理论的创立者，在假设检验中首先提出P值的概念。他认为假设检验是一种程序，研究人员依照这一程序可以对某一总体参数形成一种判断。也就是说，他认为假设检验是数据分析的一种形式，是人们在研究中加入的主观信息。（当时这一观点遭到了Neyman-Pearson的反对，他们认为假设检验是一种方法，决策者在不确定的条件下进行运作，利用这一方法可以在两种可能中作出明确的选择，而同时又要控制错误发生的概率。这两种方法进行长期且痛苦的论战。虽然Fisher的这一观点同样也遭到了现代统计学家的反对，但是他对现代假设检验的发展作出了巨大的贡献。）Fisher的具体做法是：
假定某一参数的取值。
选择一个检验统计量(例如z 统计量或Z 统计量) ，该统计量的分布在假定的参数取值为真时应该是完全已知的。
从研究总体中抽取一个随机样本4计算检验统计量的值5计算概率P值或者说观测的显著水平，即在假设为真时的前提下，检验统计量大于或等于实际观测值的概率。
如果P<0.01，说明是较强的判定结果，拒绝假定的参数取值。
如果0.01<P值<0.05，说明较弱的判定结果，拒接假定的参数取值。
如果P值>0.05，说明结果更倾向于接受假定的参数取值。
可是，那个年代，由于硬件的问题，计算P值并非易事，人们就采用了统计量检验方法，也就是我们最初学的t值和t临界值比较的方法。统计检验法是在检验之前确定显著性水平，也就是说事先确定了拒绝域。但是，如果选中相同的，所有检验结论的可靠性都一样，无法给出观测数据与原假设之间之间不一致程度的精确度量。只要统计量落在拒绝域，假设的结果都是一样，即结果显著。但实际上，统计量落在拒绝域不同的地方，实际上的显著性有较大的差异。
因此，随着计算机的发展，P值的计算不再是个难题，使得P值变成最常用的统计指标之一。
二、P值的计算
为理解P值的计算过程，用表示检验的统计量，表示根据样本数据计算得到的检验统计量值。
左侧检验  vs  
P值是当时，检验统计量小于或等于根据实际观测样本数据计算得到的检验统计量值的概率，即p值 =
右侧检验  vs
P值是当时，检验统计量大于或等于根据实际观测样本数据计算得到的检验统计量值的概率，即p值 =
双侧检验  vs
P值是当时，检验统计量大于或等于根据实际观测样本数据计算得到的检验统计量值的概率，即p值 =
三、P值的意义
P值就是当原假设为真时所得到的样本观察结果或更极端结果出现的概率。如果P值很小，说明这种情况的发生的概率很小，而如果出现了，根据小概率原理，我们就有理由拒绝原假设，P值越小，我们拒绝原假设的理由越充分。
总之，P值越小，表明结果越显著。但是检验的结果究竟是“显著的”、“中度显著的”还是“高度显著的”需要我们自己根据P值的大小和实际问题来解决。

多谢学长的劳动.
"P值就是当原假设为真时所得到的样本观察结果或更极端结果出现的概率。如果P值很小，说明这种情况的发生的概率很小，而如果出现了，根据小概率原理，我们就有理由拒绝原假设，P值越小，我们拒绝原假设的理由越充分。总之，P值越小，表明结果越显著。本文来自: 人大经济论坛 详细出处参考：http://www.pinggu.org/bbs/viewth ... &from^^uid=686678"
还是感觉有点矛盾.P值小,说明出现的极端情况概率小,感觉像是违背原假设的情况出现的概率小,如此,为什么还拒绝原假设呢?这就是我始终感到困惑的地方.

3# cass100

我跟你有同样的困惑，百思不得其解，既然出现极端情况的概率越小，那说明更不应该拒绝原假设的啊

看看p值得计算吧

P 值的计算： 　　一般地，用X 表示检验的统计量，当H0 为真时，可由样本数据计算出该统计量的值C ，根据检验统计量X 的具体分布，可求出P 值。具体地说: 　　左侧检验的P 值为检验统计量X 小于样本统计值C 的概率，即:P = P{ X < C} 　　右侧检验的P 值为检验统计量X 大于样本统计值C 的概率:P = P{ X > C} 　　双侧检验的P 值为检验统计量X 落在样本统计值C 为端点的尾部区域内的概率的2 倍: P = 2P{ X > C} (当C位于分布曲线的右端时) 或P = 2P{ X< C} (当C 位于分布曲线的左端时) 。若X 服从正态分布和t分布，其分布曲线是关于纵轴对称的，故其P 值可表示为P = P{| X| > C} 。

极端事件是小概率事件，在一次观察中就出现了，说明不是小概率事件了，就应该拒绝原来的假设。

cass100 发表于 2010-5-21 19:19
多谢学长的劳动.
"P值就是当原假设为真时所得到的样本观察结果或更极端结果出现的概率。如果P值很小，说明 ...

p值小是指在原假设为真的情况下错误的拒绝原假设的可能性小，就是所谓的“弃真” 所以可以拒绝原假设