Ch. 5 Hypothesis Testing The current framework of hypothesis testing is largely due to the work of Neyman and Pearson in the late 1920s, early 30s, complementing Fisher's work on estimation. As in estimation, we begin by postulating a statistical model but instead of seeking an estimator of 6 in e we consider the question whether

一、数据及其类型 二、变量及其类型 三、参数 四、随机扰动项 五、方程及其种类 六、模型

问题的提出必要性 通过协方差或相关系数证实变量之间存在关系,仅仅 只是知道变量之间线性相关的性质——正(负)相关 和相关程度的大小。 既然它们之间存在线性关系,接下来必须探求它们之 间关系的表现形式是什么?

一、单项选择题 1、双对数模型 Y = β + β10 lnlnln X + μ 中，参数 β1的含义是 （ C ） A. Y 关于 X 的增长率 B .Y 关于 X 的发展速度 C. Y 关于 X 的弹性 D. Y 关于 X 的边际变化

一、单项选择题 1、下列说法正确的有（ C ） A.时序数据和横截面数据没有差异 B.对总体回归模型的显著性检验没有必要 C.总体回归方程与样本回归方程是有区别的 D.判定系数 不可以用于衡量拟合优度 2 R

一、单项选择题 1、设 OLS 法得到的样本回归直线为Y X i β β 1 2 i i = + + e   ，则点( ) X ,Y （ B ） A.一定不在回归直线上 B.一定在回归直线上 C.不一定在回归直线上 D.在回归直线上方

要点：掌握概率、概率分布和随机变量等的基本概念。重 点区分清楚总体和样本。 2.1一些符号 2.2实验、样本空间、样本点和事件 2.3随机变量 2.4概率 2.5随机变量及其概率分布 2.6多元概率密度函数 2.7总结

要点：掌握概率分布的基本特征。掌握总体的期望值、方 差、协方差、相关系数、偏度和峰度定义；掌握样本均值、 方差、协方差、相关系数、偏度和峰度定义；总体与样本 的区别与联系

要点：掌握统计推断的基本方法。了解统计推断的含义， 掌握参数估计和假设检验的基本思想。了解点估计量的性 质。初步掌握假设检验的显著性检验方法

要点：掌握一元线性回归模型中的基本假设、检验方法。 重点掌握一元线性回归模型的约束条件；正态性检验方法。 理解单侧和双侧假设检验