第一节是一元回归统计推断在多元回归中的推广,主要针对的是单个系数的假设检验和置信区间,除了在假设阶段有所不同(比如是在固定其他变量的情况下,被检验变量对因变量没有影响),基本步骤是一样的,理论基础也都是“OLS估计量在原假设下服从大样本正态分布,其中均值为假设的真值而方差具有一致估计量”(后半句我并没有看懂,前半句是告诉我们要牢记“这些抽样的不确定性的量化方法只有在大样本情况下才有效”)。有意思的是,书中对该章节举例的解释非常精彩,特别是关于‘每个学生分摊预算’变量的纳入与‘学区内的资金分配已经很有效’的结果解释。
由于多元回归设计多个变量和多个系数,那么可不可以同时假设两个或多个系数都为0呢?旧的单系数检验假设行不通了,这时就得有联合假设以及F统计量检验来解决新问题。前述的假设可以数学表达为:
,其中
是一个
约束(restriction),
也是一个约束(一共
q个约束,
),因为它们限制了
和
的取值。一个假设中(对回归系数)有两个或两个以上的约束(
q个约束,
),我们就称之为
联合假设(joi