模型的检验和对回归结果的解释

(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。