多元线性回归模型的统计检验课件.pptVIP

拟合优度检验 回归方程的显著性检验(F检验) 变量的显著性检验（t检验） 参数的置信区间 二、回归方程的显著性检验(F检验) 2.关于拟合优度检验与方程显著性检验关系的讨论 由 三、变量的显著性检验（t检验） 方程的整体线性关系显著并不等于每个解释变量对被解释变量的影响都是显著的。 * 第三节 多元线性回归模型的统计检验 一、拟合优度检验 总离差平方和的分解： 1.样本可决系数（coefficient of determination） 则 记 可决系数 该统计量越接近于1，模型的拟合优度越高。 2.三个平方和的计算 问题： R2不能真实反映拟合优度 R2 是解释变量个数的递增函数，如果在模型中增加解释变量， R2往往增大。 这就给人一个错觉：要使得模型拟合得好，只要增加解释变量即可。 但是，现实情况往往是，由增加解释变量个数引起的R2的增大与拟合好坏无关，R2需调整。 3.调整的样本可决系数（adjusted coefficient of determination） R2作为拟合优度的度量出现上述问题的原因是，我们没有考虑三个平方和的自由度，所以解决的办法是:用平方和的自由度进行修正，以剔除R2对解释变量个数的依赖性。 自由度：统计量的自由度指可自由变化的样本观测值个数，它等于所用样本观测值的个数减去对观测值的约束个数。 自由度为n-1 自由度为k 自由度为n-k-1 调整的可决系数为： 1.回归方程的显著性检验 方程的显著性检验是要检验模型 回归方程的显著性检验，是指在一定的显著性水平下，对模型中被解释变量与所有的解释变量之间的线性关系在总体上是否显著成立进行的一种统计检验。 可提出如下原假设与备择假设： F检验的思想来自于总离差平方和的分解式： TSS=RSS+ESS 如果这个比值较大，则X的联合体对Y的解释程度高，可认为总体上存在线性关系，反之总体上可能不存在线性关系。 因此,可通过该比值的大小对总体线性关系进行推断。 根据数理统计学中的知识，在原假设H0成立的条件下，统计量 例3.5（教材67页） 解：提出假设： 可推出： 与 因此，必须对每个解释变量进行显著性检验，以决定是否作为解释变量被保留在模型中。 1.t统计量 由于 其中?2为随机误差项的方差，在实际计算时，用它的估计量代替: 因此，可构造如下t统计量 *