关于解释变量回归中的p值和linktest检验中的p值问题

14538

收藏 2017-10-17

本人在学习陈强视频的时候发现，1、在回归中怎么看待解释变量的显著性的时候，p>|t|这一列中，数值越大，解释变量就没有通过显著性检验，即拒绝原假设（原假设为系数为0）2、在使用link检验法检验模型是否存在遗漏变量时，发现p>|t|这一列中，数值越小反而说明存在遗漏变量，拒绝原假设。所以就是有疑问，在2中的p值不是数值越大才会拒绝原假设吗？或者说我们看待linktest的检验结果时应该注重哪一个指标？这几天看的东西有点多，一时间有点糊涂了，求老师和前辈解答

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

全部回复

二流的人

2017-10-17 11:05:24

这是回归中解释变量的结果

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

二流的人

2017-10-17 11:06:01

这是test检验结果图

附件列表

图7.2.PNG

原图尺寸 37.56 KB

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

蓝色

2017-10-17 13:15:30

linktest的原假设是什么？

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

二流的人

2017-10-17 23:04:53

蓝色发表于 2017-10-17 13:15
linktest的原假设是什么？

原假设是hatsq系数为零，他整个的检验是两部分，整个模型是lwage=β0+β1educ+β2exper+β3tenure 第一部分直接进行了回归，然后进行了linktest检验，发现hatsq的系数为0018,视频中说拒绝了hatsq系数为零的原假设，即说明被解释变量lwage的拟合值的平方项具有解释能力，得出结论：原模型可能遗漏了重要的解释变量。第二部分，对模型中加入了解释变量的二次项，得出的值为0.591.然后视频中说接受原假设，遗漏变量问题得到解决。没弄明白这是怎么回事，需要死记硬背吗？真的希望能得到理论上的解释，这样在给别人做解答的时候也好有说服力不是？

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

二流的人

2017-10-17 23:15:58

二流的人发表于 2017-10-17 23:04
原假设是hatsq系数为零，他整个的检验是两部分，整个模型是lwage=β0+β1educ+β2exper+β3tenure 第一部 ...

link检验对最初的模型的检验

附件列表

图7.1.PNG

原图尺寸 37.95 KB

这是linktest对初步回归模型的检验结果

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

点击查看更多内容…

蓝色

2017-10-18 08:22:32

二流的人发表于 2017-10-17 23:15
link检验对最初的模型的检验

陈强的书上有解释

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

二流的人

2017-10-18 15:17:03

蓝色发表于 2017-10-18 08:22
陈强的书上有解释

好的，我找找，谢谢啊

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

二流的人

2017-10-20 00:47:46

这个问题的疑惑，我自己弄明白了，明天下课之后我会亲自给大家解答，详详细细的，希望大家不要做我的老路，我是最近短时间看的信息太多了，一时间给短路了

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

二流的人

2017-10-25 12:45:16

在这里进行解释一下，问题是这么回事：linktest检验法原假设是拟合值的2次项对被解释变量没有解释能力即拟合值的二次项系数为零时原假设。我们知道p值小于选择的显著性水平时，我们拒绝原假设，否则，接受原假设。我们可以看到_hatsq的系数是小于显著性水平的，我们拒绝原假设，即系数不为零，即拟合值的二次项对被解释变量具有解释能力，我们的方程是没有包含二次项的，即我们认为遗漏了重要变量，也即二次项。当我们加入了2次项后，能看到_hatsq的p值大于显著性水平，我们认为遗漏重要变量的问题可能得到了解决。因为此方程只是用来解释linktest的例子，不必对它要求太苛刻，有其他的问题，我们在此不进行深究。