多元回归方程的显著性检验.docVIP

回归方程的显著性检验： （1）在模型上做假设： 建立回归方程的目的是寻找Y的均值随a的变化规律，即找出回归方程 ＋＋＋＋＋=0,那么不管变化，做任何改变，那么这所求的回归方程没有意义的。，此时的回归的。如果0那么时，作回归变化，那么这时求得的回归方程是有意义的，此时是显著地。 ，对回归方程是否有意义作判断就要作如下的显著性检验： 不全为0 拒绝表示回归方程是显著。 求得的方程总的波动用总偏差平方和引起的原因有两个因素：其一是，随a的变化而变化，从而在每一个的观测值处的回归值不同，其波动用回归平方和 表示，其二是其他一切因素，包括随机误差、a对y的非线性影响等，这样在得到回归值以后，y的观测值与回归值之间还有差距，这可用残差 表示。 （3）F值的计算 由定理：设独立，且I = 1，…13 则在上述记号下，有① ②若成立，则有，（p为回归参数的个数） ③SR与SE，yave独立。 得到检验统计量： （4）给定确定拒绝域 就越大。 故应在F值偏大时拒绝，认为回归显著。即：给定显著水平后，取拒绝域为： 若取=0.01，经查表可得到由编程所得到的值为因此在性水平回归方程是显著 回归系数的显著性检验： 由回归方程的显著性检验知，在性水平回归方程是显著不全为0，但不能每个自变量对Y都是重要的，如果某个系数为0或无限接近与0，相应的自变量对Y不起作用或作用很小，可以忽略。因而检验每个回归系数是否为0，相当于检验是否对Y起作用。 构造原假设与备择假设 ：=0(i = 1,2,4,5) : （i=1,2,4,5） 构造t统计量 数据总的波动用总偏差平方和引起的原因有两个因素：其一是，随a的变化而变化，从而在每一个的观测值处的回归值不同，其波动回归平方和 表示，其二是其他一切因素，包括随机误差、a对y的非线性影响等，这样在得到回归值以后，y的观测值与回归值之间还有差距，这可用残差 表示。 （n为总的元素的个数） 由于 ,i = 1, 2, 4 ,5 且与相互独立，因此在为真时，有 t值得计算 通过matlab软件求得，对应的t值分别为： -0.5493，4.5714，-1.5776， 3.3697，0.0580 （4）给定确定拒绝域 ，认为回归显著。即：给定显著水平后，取拒绝域为： 若取=0.01，经查表可得到由编程所得到的值为 （j = 1,4）因此在性水平回归是显著 Y = [1388.3;1380.6;1395.9;1422.4;1560.1;1651.5;1870.8;2038.3;2164.5;2508.5;3304.1;3806.8;4182.4] [b,bint,r,rint,stats]=regress(Y,X) A = X*X %求算信息阵A， C = inv(A) %求算信息阵的逆阵， b = X\Y % 求算回归统计数向量，其中第一行为回归截距a, RSS = Y*Y - b*X*Y %求算离回归平方和， MSe = RSS/8 %求算离回归方差 Up=b.*b./diag(C) %求算偏回归平方和，其中第一行是a与0差异的偏平方和， F=Up/MSe %求算偏回归平方和，其中第一行是a与0差异的偏平方和， sb=sqrt(MSe*diag(C)) %求算回归统计数标准误 t=b./sb %求算回归统计数标准误 残差的检验 如 /p-290361089665.html /wiki/%E5%A4%9A%E5%85%83%E7%BA%BF%E6%80%A7%E5%9B%9E%E5%BD%92%E5%88%86%E6%9E%90%E9%A2%84%E6%B5%8B%E6%B3%95 /link?url=OaJb6MdljlxGguRZW_pq36PVr4ES3Z9-uQjwKP1oy_47cbf-ubjjKzlzLLEm4gg-xRmI3YcK7M-l6HgqhwwdvK /view/d5ab74156edb6f1aff001fa