《多元线性回归模型的各种检验方法.docVIP

对多元线性回归模型的各种检验方法 对于形如 （1） 的回归模型，我们可能需要对其实施如下的检验中的一种或几种检验： 对单个总体参数的假设检验：t检验 在这种检验中，我们需要对模型中的某个（总体）参数是否满足虚拟假设：，做出具有统计意义（即带有一定的置信度）的检验，其中为某个给定的已知数。特别是，当=0时，称为参数的显著性检验。如果拒绝，说明解释变量对被解释变量具有显著的线性影响，估计值才敢使用；反之，说明解释变量对被解释变量不具有显著的线性影响，估计值对我们就没有意义。具体检验方法如下： 给定虚拟假设 ：； 计算统计量 的数值； 在给定的显著水平下（不能大于即 10%，也即我们不能在置信度小于90%以下的前提下做结论），查出双尾t（）分布的临界值； 如果出现 的情况，检验结论为拒绝；反之，无法拒绝。 检验方法的关键是统计量 必须服从已知的分布函数。什么情况或条件下才会这样呢？这需要我们建立的模型满足如下的条件（或假定）： 随机抽样性。我们有一个含次观测的随机样。这保证了误差 自身的随机性，即无自相关性，。 条件期望值为0。给定解释变量的任何值，误差 的期望值为零。即有 这也保证了误差独立于解释变量，即模型中的解释变量是外生性的，也使得。 (3） 不存在完全共线性。在样本因而在总体中，没有一个解释变量是常数，解释变量之间也不存在严格的线性关系。 同