Wald检验与p值 |
您所在的位置:网站首页 › wals值是什么 › Wald检验与p值 |
Wald检验
检验 H 0 : θ = θ 0 , H 1 : θ ≠ θ 0 H_0:\theta = \theta_0, \ H_1:\theta \ne\theta_0 H0:θ=θ0, H1:θ=θ0,如若 θ ^ \hat{\theta} θ^是渐进正态的,则显著水平为 α \alpha α的Wald检验是当 ∣ W ∣ > z α / 2 |W|>z_{\alpha/2} ∣W∣>zα/2时拒绝原假设,其中 W = θ ^ − θ 0 s e ^ . W=\frac{\hat{\theta}-\theta_0}{\hat{se}}. W=se^θ^−θ0. Wald检验是易于理解的,首先阐述了估计量是渐进正态的,则在大样本下 W W W就是标准正态变量,当满足 ∣ W ∣ > z α / 2 |W|>z_{\alpha/2} ∣W∣>zα/2意味着W出现的概率已经小于 α \alpha α. 这一点可以通过下面的等式说明: z α = Φ ( 1 − α ) P θ ( θ ^ − θ 0 s e ^ > z α / 2 ) + P θ ( θ ^ − θ 0 s e ^ < − z α / 2 ) = P θ ( ∣ θ ^ − θ 0 ∣ s e ^ > z α / 2 ) → P θ ( ∣ Z ∣ > z α / 2 ) → α \begin{aligned} &z_{\alpha}=\Phi(1- \alpha)\\ &P_\theta(\frac{\hat{\theta}-\theta_0}{\hat{se}}>z_{\alpha/2})+ P_\theta(\frac{\hat{\theta}-\theta_0}{\hat{se}}z_{\alpha/2})\\ &\rightarrow P_\theta(|Z|>z_{\alpha/2})\\ &\rightarrow \alpha \end{aligned} zα=Φ(1−α)Pθ(se^θ^−θ0>zα/2)+Pθ(se^θ^−θ0zα/2)→Pθ(∣Z∣>zα/2)→α 定理:考虑 θ \theta θ的真实值为 θ ∗ ≠ θ 0 \theta^* \ne \theta_0 θ∗=θ0,也就是原假设为加的时候的势函数(Power Function)大小,其近似值为: 1 − Φ ( θ 0 − θ ∗ s e ^ + z α / 2 ) + Φ ( θ 0 − θ ∗ s e ^ − z α / 2 ) 1-\Phi(\frac{\theta_0-\theta^*}{\hat{se}}+z_{\alpha/2})+\Phi(\frac{\theta_0-\theta^*}{\hat{se}}-z_{\alpha/2}) 1−Φ(se^θ0−θ∗+zα/2)+Φ(se^θ0−θ∗−zα/2) Proof: β ( θ ∗ ) = P θ ∗ ( ∣ θ ^ − θ 0 s e ^ ∣ > z α / 2 ) = P θ ∗ ( θ ^ − θ 0 s e ^ > z α / 2 ) + P θ ∗ ( θ ^ − θ 0 s e ^ < − z α / 2 ) \begin{aligned} \beta(\theta^*) &= P_{\theta^*}(|\frac{\hat{\theta}-\theta_0}{\hat{se}}| >z_{\alpha/2})\\ &=P_{\theta^*}(\frac{\hat{\theta}-\theta_0}{\hat{se}} >z_{\alpha/2})+P_{\theta^*}(\frac{\hat{\theta}-\theta_0}{\hat{se}} zα/2)=Pθ∗(se^θ^−θ0>zα/2)+Pθ∗(se^θ^−θ0 z α / 2 ) = P θ ∗ ( θ ^ > θ 0 + s e ^ z α / 2 ) = P θ ∗ ( θ ^ − θ ∗ > θ 0 − θ ∗ + s e ^ z α / 2 ) = P θ ∗ ( θ ^ − θ ∗ s e ^ > θ 0 − θ ∗ + s e ^ z α / 2 s e ^ ) = P θ ∗ ( θ ^ − θ ∗ s e ^ > θ 0 − θ ∗ s e ^ − z α / 2 ) ≈ P θ ∗ ( Z > θ 0 − θ ∗ s e ^ − z α / 2 ) = 1 − Φ ( θ 0 − θ ∗ s e ^ − z α / 2 ) \begin{aligned} \beta(\theta^*) &=P_{\theta^*}(\frac{\hat{\theta}-\theta_0}{\hat{se}} >z_{\alpha/2})\\ &=P_{\theta^*}(\hat{\theta}>\theta_0+\hat{se} z_{\alpha/2})\\ &=P_{\theta^*}(\hat{\theta}-\theta^*>\theta_0-\theta^*+\hat{se} z_{\alpha/2})\\ &=P_{\theta^*}(\frac{\hat{\theta}-\theta^*}{\hat{se}}>\frac{\theta_0-\theta^*+\hat{se} z_{\alpha/2}}{\hat{se}})\\ &=P_{\theta^*}(\frac{\hat{\theta}-\theta^*}{\hat{se}}>\frac{\theta_0-\theta^*}{\hat{se}}-z_{\alpha/2})\\ &\approx P_{\theta^*}(Z>\frac{\theta_0-\theta^*}{\hat{se}}-z_{\alpha/2})\\ &=1-\Phi(\frac{\theta_0-\theta^*}{\hat{se}}-z_{\alpha/2}) \end{aligned}\\ β(θ∗)=Pθ∗(se^θ^−θ0>zα/2)=Pθ∗(θ^>θ0+se^zα/2)=Pθ∗(θ^−θ∗>θ0−θ∗+se^zα/2)=Pθ∗(se^θ^−θ∗>se^θ0−θ∗+se^zα/2)=Pθ∗(se^θ^−θ∗>se^θ0−θ∗−zα/2)≈Pθ∗(Z>se^θ0−θ∗−zα/2)=1−Φ(se^θ0−θ∗−zα/2) p值对于任意 α ∈ ( 0 , 1 ) \alpha \in(0,1) α∈(0,1),存在显著性水平为 α \alpha α的检验,对应的拒绝域为 R α R_\alpha Rα,则 p − v a l u e = inf { α : T ( X n ) ∈ R α } p-value = \inf\{\alpha:T(X^n)\in R_\alpha \} p−value=inf{α:T(Xn)∈Rα} 这里 T T T表示检验统计量,上式的含义是使得检验统计量属于拒绝域的最小显著水平 α \alpha α。 和检验的过程不同,求取p-value的过程是这样的:先计算检验统计量,得到统计量之后反过来求最小显著水平。而检验的过程是已经确定一个显著水平,然后计算检验统计量,然后就确定是否拒绝原假设。 一般来说,这个最小显著水平p-value小于0.01时,说明证据可以很强的拒绝原假设。这等同于说,在原假设的情况下,出现这一组样本的概率可能最低达到0.01.(个人理解)当显著水平大于0.1时,不能拒绝原假设。 |
今日新闻 |
推荐新闻 |
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |