係數的經濟和統計意義
我想知道我是否正確理解了這些術語
總結係數的經濟和統計顯著性之間的差異（描述術語，用公式評估每個的過程） 統計顯著性由大估計或小標準誤差驅動，我們查看 t 檢驗或 p 值以確定拒絕零假設。雖然經濟意義更多地著眼於估計係數的大小和符號，但如果數字變得如此之小，那麼 x 變數並不會真正影響 y 變數。
用公式評估統計顯著性的過程不會用公式評估過程，只包括計算 t 檢驗和 p 值的公式，以確定我們是否可以或不能拒絕空值。如t*、臨界值、p值
經濟意義是不是𝑝𝑟𝑜𝑗𝑒𝑐𝑡𝑒𝑑𝐻𝐴𝑇=𝐵0+𝐵1𝑥1+….+𝐵𝐾𝑋𝑖。並處理𝑅2？
問題 2 為什麼一個不一定意味著另一個？
（對於誰將我的最後一個標記為重複，我不明白為什麼，我的問題是關於統計意義和經濟，而另一個只是談到經濟，我看了他的問題，覺得它可能會回答我 10% 的問題問題）如果第一個評論的人可以再次回复，那麼答案非常有幫助，我想向我的朋友展示，但今天早上醒來看到文章消失了，我感到很累。
上一個問題被“是否有任何衡量經濟意義的標準衡量標準”“重複”了。郵政。
統計顯著性是指根據檢驗統計量（回歸中），我們可以說係數在一定水平上具有統計顯著性的情況 $ t $ - 統計數據由 $ \hat{\beta}/(s.e.(\hat{\beta})) $ ) 和相應的 $ p $ -價值。
經濟意義確實取決於係數的大小。正如 KennyLJ 在這個問題中指出的那樣，有時在衡量經濟意義時，經驗法則是看一個標準偏差是否在 $ x $ 將導致“足夠大”（可能是標準偏差的 1/2 或 1 個標準偏差變化） $ y $ - 這非常依賴於背景和領域 - 具有經濟意義的東西只需要對更廣泛的經濟文獻有很好的了解）。
例如，如果我們估計日工資的回歸（ $ w $ )，測量在 $ {\$} $ , 關於教育 $ (E) $ ，以受教育年限衡量：
$$ w_i = \beta_0 + \beta_1 E_i + e_i $$
如果我們估計 $ \hat{\beta_1} = 0.01 $ ，並且這個估計在統計上是顯著的 $ 1% $ 由於 $ t\text{-stat}=10 $ ，我們會說這個係數在統計上是顯著的，但在經濟上是不顯著的，因為如果平均多受一年的教育，每天的工資就會增加 $ {\$}0.01 $ 那不算什麼。即使從經濟角度來看，該係數在統計上是顯著的，它也可能只是零。然而，如果 $ \hat{\beta_1} = 20 $ 這意味著平均一年的教育會使日工資增加 $ {\$}20 $ ，這將具有統計意義和經濟意義，因為有額外的 $ 20 $ 由於一年的教育，每天的美元是不平凡的。
接下來是預估工資 $ \hat{w_i}= \hat{\beta_0} + \hat{\beta_1} E_i $ 就是這樣 - 模型給出的估計/預測值 $ E_i $ 是。由於預測值是從估計值推導出來的 $ \beta_0 $ 和 $ \beta_2 $ 它可以告訴您結果的統計顯著性，就像單獨查看 beta 一樣多。
最後 $ R^2 $ 是一種度量，它告訴您模型可以解釋樣本中的變異量。例如， $ R^2=0.25 $ 會告訴你，你的模型可以解釋。考慮到這一點很重要，但同樣不會告訴您結果的經濟意義。例如，在所有實際情況下，beta 可能非常接近於零，但數據的變化非常小，以至於它們非常顯著，並且您得到了很好的擬合（高 $ R^2 $ )，但如果影響的幅度相對較小，則不一定會使結果具有經濟意義。