線性回歸的顯著性檢驗(yàn)

線性回歸的顯著性檢驗(yàn)

ID:39284940

大?。?8.01 KB

頁數(shù):3頁

時(shí)間:2019-06-29

線性回歸的顯著性檢驗(yàn)_第1頁
線性回歸的顯著性檢驗(yàn)_第2頁
線性回歸的顯著性檢驗(yàn)_第3頁
資源描述:

《線性回歸的顯著性檢驗(yàn)》由會(huì)員上傳分享,免費(fèi)在線閱讀,更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫。

1、線性回歸的顯著性檢驗(yàn)1.回歸方程的顯著性在實(shí)際問題的研究中,我們事先并不能斷定隨機(jī)變量與變量之間確有線性關(guān)系,在進(jìn)行回歸參數(shù)的估計(jì)之前,我們用多元線性回歸方程去擬合隨機(jī)變量與變量之間的關(guān)系,只是根據(jù)一些定性分析所作的一種假設(shè)。因此,和一元線性回歸方程的顯著性檢驗(yàn)類似,在求出線性回歸方程后,還需對回歸方程進(jìn)行顯著性檢驗(yàn)。設(shè)隨機(jī)變量Y與多個(gè)普通變量的線性回歸模型為其中服從正態(tài)分布對多元線性回歸方程的顯著性檢驗(yàn)就是看自變量若接受從整體上對隨機(jī)變量是否有明顯的影響。為此提出原假設(shè)如果被接受,則表明隨機(jī)變

2、量與的線性回歸模型就沒有意義。通過總離差平方和分解方法,可以構(gòu)造對進(jìn)行檢驗(yàn)的統(tǒng)計(jì)量。正態(tài)隨機(jī)變量的偏差平方和可以分解為:為總的偏差平方和,為回歸平方和,為殘差平方和。因此,平方和分解式可以簡寫為:回歸平方和與殘差平方和分別反映了所引起的差異和隨機(jī)誤差的影響。構(gòu)造檢驗(yàn)統(tǒng)計(jì)量則利用分解定理得到:在正態(tài)假設(shè)下,當(dāng)原假設(shè)成立時(shí),服從自由度為的分布。對于給定的顯著水平,當(dāng)大于臨界值時(shí),拒絕,說明回歸方程顯著,有顯著的線性關(guān)系。實(shí)際應(yīng)用中,我們還可以用復(fù)相關(guān)系數(shù)來檢驗(yàn)回歸方程的顯著性。復(fù)相關(guān)系數(shù)定義為:平方

3、和分解式可以知道,復(fù)相關(guān)系數(shù)的取值范圍為。越接近1表明越小,回歸方程擬合越好。2.回歸系數(shù)的顯著性若方程通過顯著性檢驗(yàn),僅說明不全為零,并不意味著每個(gè)自變量對的影響都顯著,所以就需要我們對每個(gè)自變量進(jìn)行顯著性檢驗(yàn)。若某個(gè)系數(shù),則對影響不顯著,因此我們總想從回歸方程中剔除這些次要的,無關(guān)的變量。檢驗(yàn)是否顯著,等于假設(shè)已知,,可知,據(jù)此可構(gòu)造統(tǒng)計(jì)量其中回歸標(biāo)準(zhǔn)差為當(dāng)原假設(shè)成立時(shí),則統(tǒng)計(jì)量服從自由度為的分布,給定顯著性水平,當(dāng)時(shí)拒絕原假設(shè),認(rèn)為對影響顯著,當(dāng)時(shí),接受原假設(shè),認(rèn)為對影響不顯著。

當(dāng)前文檔最多預(yù)覽五頁,下載文檔查看全文

此文檔下載收益歸作者所有

當(dāng)前文檔最多預(yù)覽五頁,下載文檔查看全文
溫馨提示:
1. 部分包含數(shù)學(xué)公式或PPT動(dòng)畫的文件,查看預(yù)覽時(shí)可能會(huì)顯示錯(cuò)亂或異常,文件下載后無此問題,請放心下載。
2. 本文檔由用戶上傳,版權(quán)歸屬用戶,天天文庫負(fù)責(zé)整理代發(fā)布。如果您對本文檔版權(quán)有爭議請及時(shí)聯(lián)系客服。
3. 下載前請仔細(xì)閱讀文檔內(nèi)容,確認(rèn)文檔內(nèi)容符合您的需求后進(jìn)行下載,若出現(xiàn)內(nèi)容與標(biāo)題不符可向本站投訴處理。
4. 下載文檔時(shí)可能由于網(wǎng)絡(luò)波動(dòng)等原因無法下載或下載錯(cuò)誤,付費(fèi)完成后未能成功下載的用戶請聯(lián)系客服處理。