(1)β1=-5908.688<0,β1<0能否通过t假设检验呢?
零假设H0: β1=0
备择假设H1: β1<0
显著水平α=1%,d.f. =n-5=21-5=16
查t分布表得临界值tc=tα,16=t1%,16=2.583
从(5-10)可知,t=-6.637
因为=6.637>tc=2.583,所以拒绝零假设H0:β1=0,从而接受备择假设H1: β1<0,说明农民工就业与劳动力城乡分割程度负相关,即农民工就业数量越多,劳动力城乡分割程度系数越小。
通过以上t假设检验可以对β1=-5908.688<0作出如下解释: 表明其他因素不变的条件下,农民工就业与劳动力城乡分割程度显著负相关,劳动力市场城乡分割程度系数每增加1,则农民工就业数量将减少约5908万人。
(2)β2=-5393.200<0,β2<0能否通过t假设检验呢?
零假设H0: β2=0
备择假设H1: β2<0
显著水平α=1%,d.f. =n-5=21-5=16
查t分布表得临界值tc=tα,16=t1%,16=2.583
从(4-2)可知,t=-2.417
因为=2.417<tc=2.583,所以接受零假设H0:β2=0,从而不能接受备择假设H1: β2<0,说明农民工就业与劳动力行业分割程度不相关。
现在将显著水平放宽到α=5%的情况下进行t单边检验:
零假设H0: β2=0
备择假设H1: β2<0
显著水平α=5%,d.f. =n-5=21-5=16
查t分布表得临界值tc=tα,16=t5%,16=1.746
从(4-2)可知,t=-2.417
因为=2.417>tc=1.746,所以拒绝零假设H0:β2=0,从而接受备择假设H1: β2<0,说明农民工就业与劳动力行业分割程度负相关,即农民工就业数量越多,劳动力行业分割程度系数越小。
当显著水平α=1%时,t检验不能通过,但当显著水平α=5%时,t检验可以通过。因此可以认为α=1%属于小概率事件,在研究误差许可范围之内接受α=5%通过t检验的情形。对β2=-5393.200<0作出如下解释: 表明其他因素不变的条件下,农民工就业与劳动力行业分割程度显著负相关,劳动力市场行业分割程度系数每增加1,则农民工就业数量将减少约5393万人。
(3)β3=-188.584<0,β4=18.732>0,根据上面的检验方法,在通常的显著水平α=1%,α=5%,α=10%下都不能单个通过t检验,说明在模型(5-10)中,在其他条件不变的情况下,农民工就业与劳动力市场的地区分割和单位性质分割不相关。
(4)判定系数R2=0.977,意味着模型以97.7%的比例解释农民工就业数量的变动。
(5)F值为170.810,对模型(5-10)做F检验如下:
零假设H0: β1=β2=β3=β4=0即β1,β2,β3,β4联合或同时为零
备择假设H1: β1≠0,β2≠0,β3≠0,β4≠0,即β1,β2,β3,β4至少有一个同时非零假定显著水平α=1%
分子自由度d.f.为4,分母自由度d.f.为16
查F分布表得临界值Fc=F1%(4,16)=4.77
因为F=170.810>Fc=4.77,所以拒绝零假设H0: β1=β2=β3=β4=0即β1,β2,β3,β4联合或同时为零,从而接受备择假设H1: β1≠0,β2≠0,β3≠0,β4≠0,即β1,β2,β3,β4至少有一个同时非零。也就是说,在其他条件不变的情况下,劳动力市场的城乡分割、行业分割、地区分割和单位性质分割联合对农民工就业数量有显著影响。
免责声明:以上内容源自网络,版权归原作者所有,如有侵犯您的原创版权请告知,我们将尽快删除相关内容。