112简单线性回归的假设检验.docVIP

第十一章 简单线性回归分析 二、线性回归的假设检验 回归方程有统计学意义吗？ Y? = - 0.1353 + 0.1584 X ? 假设检验包括两个方面： 1. 回归模型是否成立（model test）：方差分析 2. 总体回归系数是否为零（parameter test）： t 检验。 总变异的分解： P Y Y - ? Y Y - Y Y? - Y Y Y X 图10-3 Y的总变异分解示意图 总变异的分解： ? - = ? - + ? - 2 ( ? ) ( ? ) 2 (Y Y ) Y Y Y Y 2 SS = + 总 SS SS 回归 残差 n = n - n = 1 = n - 2 1 n 回归 总 残差 n 总 = n + n 回归 残差 图11-4 回归效果示意图 SS 残差 SS 回归 SS 总 回归模型的假设检验: H ：总体回归方程不成立或总体中自变量X 对 0 因变量Y 没有贡献 H ：总体回归方程成立或总体中自变量X 对因 1 变量Y 有贡献 a =0.05 SS / n F = = 回归 回归 SS / n 残差 残差 MS MS 回归 残差 对例 10-1 的回归方程Y? = - 0.1353 + 0.1584 X 进行方差分 析，结果如表 10-2 所示（假设检验步骤略）。 表10-2 简单线性回归模型方差分析表 变异来源 SS df MS F P 回 归 0.0530 1 0.0530 41.376 0.0001 残 差 0.0282 22 0.0013 总 变 异 0.0812 23 由表 10-2 首行末列可见，P0.0001，按a =0.05 水准， 可认为 NO 浓度与车流量之间的回归方程具有统计学 意义。 回归系数的假设检验: H ： b ＝0 0 H ： b ≠0 1 a =0.05 t b 0 - = u = n - 2 S b S S Y X = . b ( ) ? - 2 X X S Y SS = 残差 . - X n 2 残差的标准差 接上例，经计算得（假设检验步骤略）： S Y . =0.0358， Sb =0.0246， X | t |＝ F =6.432，u = n - 2 ＝22 由统计量 t 得 P 0.0001，按a =0.05水准，拒绝 H ，故可认为该回归系数具有统计学意义。 0 注意：对于服从双变量正态分布的同样一组资料，若 同时做了相关分析和回归分析，则相关系数的t 检验 与回归系数的t 检验等价，且 t = 。 r t b 总体回归系数的区间估计： b ± ta u S / 2 , b 0.1584±2.074×0.0246=（0.1074，0.2095） 车流量对NO浓度的影响有多大？ 决定系数 R 2 = SS 回归 SS 总 SS 0.0530 2 = = = = 回归 R 0.6527 SS 0.0812 总 65.27% 线性回归分析的前提条件：LINE 1. 线性（linear）：反应变量与自变量的呈线性变化趋势。 2. 独立性（independence）：任意两个观察值相互独立， 一个个体的取值不受其他个体的影响。 前提条件（续）： 3. 正态性（normal distribution）：在给定值X时，Y 的 取值服从正态分布 4. 等方差性（equal variance）: 对应于不同的X 值，Y 值的总体变异相同 。 X=3时 Y的分布 Y X=2时 Y的分布 X=1时 Y的分布 m 3 m 2 m 回归线 1 1 2 3 X 图11-2 回归模型前提假设立体示意图 THE END 谢谢！