
現代政治分析入門2
2026-11-17

統計的仮説検定の枠組みを学ぶ。仮説検定の基本的な手順を紹介し、帰無仮説や対立仮説、第1種/第2種の過誤など基本的な概念を習得する。続いてOLS推定値における仮説検定である\(t\)検定の手順について学び、その中でも最も重要な\(p\)値という概念を理解する。
まあまあよくできましたが、問2・6・8は注意(→正答)
身長が高いほど賃金は上がるのだろうか。100人の日本人のデータ1を集めて以下のモデルを推定してみよう。
\[ 賃金_{i}=\beta_{0}+\beta_{1}身長_{i}+\varepsilon_{i} \]
OLS推定をしたところ、傾きの推定値は\(\hat{\beta}_{1}=220\)となった。
身長が高くなるほど賃金も上がる、と結論づけて良いだろうか?(内生性はないとする)(WebClassチャット)
ある仮説が正しいかどうかを統計的に判断する枠組み
OLS推定値\(\hat{\beta}_{1}\)は正規分布にしたがう



どれくらいの確率であれば帰無仮説を棄却するかの基準
推定された傾きは\(\hat{\beta}_{1}=220\)、標準誤差は\(\operatorname{se}(\hat{\beta}_{1})=100\)であったとすると…


あなたは妊娠検査薬の開発者です。
製品に「妊娠していないのに妊娠していると判定する」という、偽陽性をめぐる苦情が多く寄せられたため、陽性と判定する基準を厳しくすることにしました。
この変更によって、今度はどのような問題が起こる可能性があるでしょうか?(WebClassチャット)
帰無仮説が正しいのに棄却してしまうこと(偽陽性)
帰無仮説が誤っているのに棄却しないこと(偽陰性)
第1種の過誤と第2種の過誤の間にはトレードオフがある
有意水準\(\alpha\)は第1種の過誤を犯す確率である。



実際のOLS推定値の仮説検定では、\(\hat{\beta}_{1}\)そのものではなく標準誤差で割った\(\frac{\hat{\beta}_{1}}{\operatorname{se}(\hat{\beta}_{1})}\)で検定を行う

同じ\(\hat{\beta}_{1}\)の値でも、標準誤差に応じてその珍しさは変わる


→標準誤差で割って尺度を統一し、有意性の判断が容易に
\(t\)分布は正規分布に似ているが、一応別の分布



統計的に有意かどうかを判断するための閾値



アメリカ大統領選挙のデータを使って、以下のモデルを推定
\[ 得票率_t=\beta_{0}+\beta_{1}所得の変化率_t+\varepsilon_{t} \]
結果は次のとおり
帰無仮説が正しいとして、推定された傾きの値よりも極端な値を観察する確率


統計的仮説検定の枠組みを学ぶ。仮説検定の基本的な手順を紹介し、帰無仮説や対立仮説、第1種/第2種の過誤など基本的な概念を習得する。続いてOLS推定値における仮説検定である\(t\)検定の手順について学び、その中でも最も重要な\(p\)値という概念を理解する。
統計的仮説検定:基本編