《计量经济学导论》读书笔记（四）(12)

那么首先是名词解释时间（？）正如我们刚刚举的例子，我们希望检验解释一堆变量的偏效应是否不为0，那一般来说，我们会把原假设设定为这堆变量的参数都是0（此时它的备择假设为：原假设不正确。即只需要至少一个参数不为0）。我们称这种假设参数为0的约束条件为排除性约束（exclusion restrictions）。那么更一般地，我们把这种对多重线性约束的检验称为多重假设检验（multiple hypotheses test）或者联合假设检验（joint hypotheses test）。

检验排除性约束的思路在于，利用“在模型中去掉变量会导致SSR变大”这一点，我们去衡量SSR到底变大多少才能让我们拒绝原假设。那么我们继续名词解释：当我们把原假设中设定的参数值代入我们的模型后，我们就得到了一个受约束模型（restricted model），自然而然地，原本的模型就被叫做不受约束模型（unrestricted model），所以受约束模型的参数个数总是比不受约束模型的要少。我们假设线性约束的个数为q（也就是我们给出了q个估计量的值），进而，我们便得到了我们的F统计量：