3.3 多元线性回归的检验.pptVIP

第三节 多元线性回归模型的统计检验 一、拟合优度检验 二、方程的显著性检验(F检验) 三、变量的显著性检验（t检验） 一、拟合优度检验 1、可决系数与调整的可决系数 二、方程的显著性检验(F检验) 方程的显著性检验，旨在对模型中被解释变量与解释变量之间的线性关系在总体上是否显著成立作出推断。 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） 方程的总体线性关系显著?每个解释变量对被解释变量的影响都是显著的 例如：教材P70: Y=6.4529 + 0.8287 X + 0.1768 S (0.2161) (7.2174) (0.8424) R2 = 0.9984 =0.998 F=2838 给定显著性水平α=0.05， t0.05/2(n-k) =t0.05/2(12-3)= t0.025(9)=2.262; F0.05 (k-1,n-k )= F0.05 (3-1,12-3)= F0.05 (2,9)=4.26 虽然， F? F?(k -1,n-k) ， 人均年纯收入X的t统计量：|t|? t?/2(n-k)； 但是,人均储蓄额S和常数项的t统计量：|t|?t?/2(n-k) 所以，回归方程不能投入使用。 在此，我们剔除不显著的常数项，得如下的回归结果： Y = 0.8522 X + 0.1352 S (24.739) (1.695) R2 = 0.9984 =0.9982 F=6274 从上式可知，人均储蓄额S的回归系数仍不显著。 （原因，在下一章讲解）。在此，我们剔除人均储蓄额S进行回归，结果如下： Y = -16.6045 + 0.9249 X (-1.4122) (76.4579) R2 = 0.9983 =0.9981 F=5845 该回归结果说明我国农村居民的消费主要取决于收入。 * 类似于简单线性回归模型： TSS=ESS+RSS 总离差平方和的分解 可决系数 该统计量越接近于1，模型的拟合优度越高。 问题： 在应用过程中发现，如果在模型中增加一个解释变量， 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。 调整的可决系数（adjusted coefficient of determination） 在样本容量一定的情况下，增加解释变量必定使得自由度减少，所以调整的思路是:将残差平方和与总离差平方和分别除以各自的自由度，以剔除变量个数对拟合优度的影响: 其中：n-k为残差平方和的自由度，n-1为总体平方和的自由度。 1、方程显著性的F检验 即检验模型 Yi=?0+?1X1i+?2X2i+ ? +?kXki+?i i=1,2, ?,n 中的参数?j是否显著不为0。 可提出如下原假设与备择假设： H0： ?0=?1=?2= ? =?k=0 H1： ?j不全为0 F检验的思想来自于总离差平方和的分解式： TSS=ESS+RSS 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 服从自由度为(k-1 , n-k)的F分布 给定显著性水平?，可得到临界值F?(k-1,n-k)，由样本求出统计量F的数值，通过 F? F?(k-1,n-k) 或 F?F?(k-1,n-k) 来拒绝或接受原假设H0，以判定原方程总体上的线性关系是否显著成立。 对于中国居民人均消费支出的例子： 一元模型：F=285.92 二元模型：F=2057.3 给定显著性水平? =0.05，查分布表，得到临界值： 一元例：F?(1,21)=4.32 二元例： F?(2,19)=3.52 显然有 F? F?(k -1,n-k) 即二个模型的线性关系在95%的水平下显著成立。 可推出： 与 F与 同方向变化， 增大，F统计量的值也将增大。