关于回归方程显著性检验的.pdfVIP

2009年11月 绵阳师范学院学报 Nov．2009 ：==：篁堡垒：篁坠塑：：一：：：：=：：：一：：!些坚塑堡些竺兰塑墅型垫些：呈至堑：：：：：一一=：：：一：：兰堡；三坠：些呈；!：圣一 关于回归方程显著性检验的一个注记 曾 艳，庄 刘 (中国民航飞行学院计算机学院，四川广汉618307) 摘要：针对多元线性回归方程的显著性检验问题，在随机误差服从任意分布的假设下，运用线性模型和随 机变量二次型的相关理论，推导出总离差平方和分解式中各分量的数学期望，进而从定量的角度说明回归方程显 著性检验中所取拒绝域的合理性。 关键词：多元线性回归；数学期望；显著性检验 中图分类号：0212文献标识码：A 文章编号：1672-612x(2009)11-0008-04 线性回归分析是应用最为广泛的统计分析方法之一。在多元线性回归分析中，对所求得的回归方程 进行显著性检验是一个非常重要的内容。目前一般的本科与研究生教材u。41以及各类文献都只是对总离 差平方和分解式中的残差平方和与回归平方和的大小进行定性分析，进而给出回归方程显著性检验的拒 绝域。文献[5]针对回归方程显著性检验问题，构造了一个对多种线性回归方程都适用的检验统计量。文 献[6]试图对拒绝域选取的合理性作出更清晰的解释，但仍然没有从定量的角度给出说明。文献[7—9] 虽然作了一些解释，但学生却很难理解。本文将在随机误差服从任意分布的假设下，推导出残差平方和 与回归平方和的数学期望，并在进一步假设随机误差服从正态分布的条件下，定量地说明所取拒绝域的 合理性。 1 多元线性回归模型与LS估计 多元线性回归模型的一般形式为 fy=郑+占 LEe=0，D8=盯2厶 戈lp 其中，Y=(，，，，y2，…，y。)7为已知的观测向量，X= ．：．：：．．21 ：：：2l为设计矩阵且要求x为列满秩，卢= 茗印 (130，卢，，o 单位矩阵。 未知参数口的最小二乘估计(简称船估计)是 p=(XrX)。X’Y (1．2) 2 总离差平方和分解式与数学期望 为了确定y与名。，石：，…，％之间是否真的存在着线性关系，在求出回归方程后，还需要对所选用的线 性回归方程与实际观测数据的拟合效果进行检验，即检验假设峨?JB。=岛=…=岛=0，这就需要寻求 检验统计量。为了寻求检验统计量，考虑总的离差平方和的分解式与各分量的数学期望。记1=[(1，1，…， 1)，。。]T则总的离差平方和为 收稿日期：2009-07-22 基金项目：中国民航总局教育研究基金项目(CD0528) 作者简介：曾艳(1973一)。女，讲师，硕士。主要研究方向：随机信号处理。 万方数据 第ll期 曾艳等：关于回归方程显著性检验的一个注记 ·9· k=∑()，；一多)2=yr(L一1n1-)Y (2．1) 则P=X(xrx)’1X7既是对称阵又是幂等矩阵，从而残差平方和 (2．2) Q。=∑()，i—Yi)2=ere=yr(I．一P)r 和 u=壹i=1(多；一多)2=yr(P一等)l， (2．3) 由(2．1)式、(2．2)式与(2．3)式可得 三。=Q。+U