5.2一元_线性回归中的假设检验和预测.docVIP

§5.2 一元线性回归中的假设检验和预测 一元线性回归中的假设检验 （1）假设检验的必要性 ①上一节推导出的回归系数的最小二乘估计（5.1-8）式，对的任何一组数据均适用，即使之间毫无关系。如果这样，求得的回归直线方程就没有任何意义。因此，求得回归直线后还需要检验之间是否真的有统计线性相关关系——一元线性回归的模型检验。 ②回归系数的最小二乘估计只是由的对观测值求得的，此估计值到底在什么程度上适于之间的真正关系？因此，需对参数是否取为其估计值作假设检验——一元线性回归的参数检验。 （2）一元线性回归的模型检验 为对之间满足一元正态线性回归模型： 这一假设的合理性进行严格的检验，需要检验三点: ①在的各取值点处，都服从正态分布，期望值依赖于，且方差都相同； ②在的各取值点处，的期望是的线性函数； ③在的各取值点处，相应的是相互独立的。 可见，进行完全的严格检验并不容易。而引起线性回归不显著的原因主要有以下三点： ①除变量外，还有其它重要变量影响的取值，故当取定时，不能服从正态分布； ②之间不是线性相关关系，而是某种非线性相关关系； ③的取值根本与的取值无关。 在上述情况之一出现时，若对配以线性回归模型，均会有，即. 因此，对线性回归模型显著性的检验可以简化处理为对是否成立的检验。方法如下： ①作假设 ②检验统计量及其分布 由定理5.1.3