t检验临界值表中的n是什么_【计量经济学笔记】多元线性回归3——单个系数的t检验...

t检验

t检验是假设检验的一种方式，统计推断中包括点估计、假设检验、区间估计、预测。之前做的对回归方程中的系数的OLS估计就属于点估计，而假设检验就是，我们给出一个假设，然后通过对样本数据的处理，来判断这个假设是否成立。

在这里t检验是用来检验我们估计的β hat是不是靠谱，在统计上我们描述为“是否显著”，这里“显著”指的是“显著不为0”，如果

显著不为0，那么对应的解释变量

对y的作用就是可靠的，而“不显著”在统计意义上就是，可以视作0，那么对应的

对y就是无作用的。

至于t检验如何来判断β hat是否显著，我们需要先了解“假设检验”是如何判断它的假设是否成立的。

假设检验

假设检验其实是一种概率上的反证法。我们先有一个原假设，在原假设成立的情况下，如果在一次抽样实验中观测到了小概率事件的发生，那我们倾向于认为这个原假设是不该成立的，我们会拒绝它，接受“备择/替代假设”。

比如，我们有一箱子小球，共1000个，我们设立原假设为：1000个小球中只有5个是红色，其余的都是白色。在这个假设下，“抽到红色小球”就是一个小概率事件。我们进行随机抽样，抽到了一个红色小球，那我们就倾向于认为，这个箱子里不只有5个红色小球，也就是，原假设是不成立的。

在对我们估计的系数

进行假设检验时，我们的原假设为：

：

=c

c是任意给定的一个常数，是我们对

的假想值，我们一般将它设为0。如果经过检验，我们拒绝了原假设，就称为

“显著地不为0”，简单称为“显著”。

能让我们拒绝原假设

=c的，就是我们得到了

=c条件下的小概率事件，也就是，我们以抽样数据估计出的

离c很远，那到底多远就能判定为小概率？并且，这个小概率有多“小”？

一般我们把这个概率临界值α设定为5%，称其为“显著性水平”。也就是，发生了在

=c的条件下概率小于5%的事件，都可以拒绝原假设，判定

为显著。有时我们也采用α=1%或者α=10%。

那么要找到这个≤5%的概率水平下，

的取值