
你问的是“模型参数估计量的符号大小相互属于什么检验”,这句话在计量经济学/统计建模里通常对应的是符号检验(sign test) 或更广义的参数约束检验/假设检验,具体要看语境:

-
如果问题是“参数估计量的符号是否符合理论预期”
这通常属于符号检验(sign test) 的思想,但在回归模型里更常见的是直接做单侧 t 检验(检验某个系数是否显著大于0或小于0),或看估计量符号与理论方向是否一致,严格说,“符号”本身不是一种独立的回归检验,而是通过单侧检验来判断。 -
如果问题是“不同参数估计量之间的大小关系/符号关系是否成立”
这属于参数约束检验,常见形式:- 线性约束检验:如 (H_0: \beta_1 = \beta_2) 或 (\beta_1 > \beta_2),用 F检验/Wald检验/LR检验;
- 若只关心不等式约束(如 (\beta_1 > 0, \beta_2 < 0)),可用单侧检验或不等式约束检验(如 bootstrap、贝叶斯后验概率)。
-
如果问题是“多个参数估计量的符号是否随机/是否一致”
这是非参数统计里的符号检验(sign test),用于检验中位数或成对样本方向,不是回归系数检验的常规说法。
所以最准确的回答是:
“参数估计量的符号大小相互”不是某一个固定检验的名称;若检验符号方向,用单侧 t 检验/符号检验;若检验大小关系,用线性约束的 F/Wald 检验;若检验不等式约束,用单侧或不等式约束检验。

