系数显著性的t检验

系数显著性的t检验

系数显著性的t检验评估回归模型中单个自变量系数是否统计上显著异于零。核心：$t = \hat{\beta}_1 / \mathrm{se}(\hat{\beta}_1)$（估计值/标准误），衡量系数距零有多少个标准误的距离。

假设与决策

$H_0: \beta_1 = 0$（自变量无影响）vs $H_a: \beta_1 \neq 0$（双边，亦可用单边）。自由度 $df = n - k - 1$（简单回归 $n-2$）。

临界值法：选显著性水平 $\alpha$→查t分布表临界值 $t_{\alpha/2, df}$。若 $|t| > t_{\alpha/2, df}$→拒$H_0$（系数显著）。

p值法：在原假设成立下观测到当前或更极端t值的概率。若 $p < \alpha$→拒$H_0$。p值越小证据越强。p值=0.001→只有0.1\%机会。

示例

教育年限对收入影响（n=526）：$\widehat{\ln(\mathrm{Income})} = 6.83 + 0.107 \times \mathrm{Education}$，$\mathrm{se}(\hat{\beta}_1)=0.008$。$t = 0.107/0.008 \approx 13.38$，$df=524$。$\alpha=0.01$临界$\pm 2.576$→$13.38 \gg 2.576$，拒$H_0$；p值≈0<0.01→显著。结论：教育年限每增1年收入约增10.7\%。

重要注意

统计显著性≠经济显著性（大样本下极小效应也可能显著，须评估系数大小）。t检验有效性依赖经典线性回归模型(CLRM)假设（同方差/无序列相关），违反需用异方差稳健标准误。与置信区间关系：$(1-\alpha)$置信区间不含0等价于$\alpha$水平下双边t检验拒$H_0$。