全部版块 我的主页
论坛 计量经济学与统计论坛 五区 计量经济学与统计软件 统计软件培训班VIP答疑区
6173 1
2010-08-17
连老师:
       您在高级版讲解组间系数差异显著性检验时,讲到使用Bootstrapping时:
             y_i = x_i*b1 + e_i  (group1: i=1,2,...,N1)
             y_i = x_i*b2 + e_i  (group2: i=1,2,...,N2)
要计算 经验P值:
P_bs = #{Diff(bs_j) >= Diff(0)} / 1000
Ho: b1 = b2

当p值较小时,如0.001,拒绝Ho,认为两个系数显著不同;p=0.8,不拒绝原假设,认为b1=b2。但我觉得是不是反了呢。0.8表示在1000次抽样中有800次b1-b2的绝对值大于等于真实b1-b2,因此实际上b1与b2并不相同。但为什么这个时候反而接受原假设呢?所以我觉得原假设应该是b1不等于b2,或者原假设不动,
P_bs = 1-#{Diff(bs_j) >= Diff(0)} / 1000。
这个问题还得请您指点啦

另外,Bootstrapping适用于Logistic回归么?Logistics回归的假设是残差不服从正态分布啊
二维码

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
2010-8-18 11:35:15
我举的例子有些狭隘。其实,我们得到的 P 值可以双边的,也就是说,p=0.04 和 p=0.96 都表明原假设可以在 5% 水平上被拒绝,这和你的理解是一致的。

至于你提到 p=0.8,在这种情况下,到底是否拒绝原假设,决定于你所选择的置信水平。若按文献中普遍采用 5% 置信水平,我们显然无法拒绝原假设,反之,若你将置信水平设定为 25%,则 p=0.8 or 0.2 都可以视为拒绝原假设的证据。

系数的差异是一个新的统计量,它与原始模型中的残差是否服从正态分布无关。Bootstrap 主要依靠的是中央极限定理,因此当抽样次数足够大时,系数差异这个统计量就会服从正态分布,这也是我们在课程中使用这个方法,并依据 empirical p value 来检验原假设的基本依据。
二维码

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

相关推荐
栏目导航
热门文章
推荐文章

说点什么

分享

扫码加好友,拉您进群
各岗位、行业、专业交流群