回归分析)回归方程检验.pptVIP

§2.4回归方程的显著性检验及精度估计 回归方程的显著性检验 原因:杂乱无序,无相关关系的散点也可以拟 合成一条直线或曲线,但无意义。 内容:回归方程拟合度的检验 回归方程线性关系显著性检验 回归变量的显著性检验 §2.4回归方程的显著性检验及精度估计 模型合适吗? 在解决工程实际问题时,一般说来,事 先并不能断言与,x2,…,xm间一定具有线 性关系。因此,当我们按线性回归模型来处 理后,所得到的关丐x2;… 的线性回 归方程是否能代表实际问题呢?这就是统计 上常说的假设检验问题,即要检验线性回归 方程是否有显著意义。如果显著,我们就可 以用线性回归模型代表实际问题,否则该模 型不能代表实际问题 §2.4回归方程的显著性检验及精度估计 此外,在检验得知线性回归方程是显著之后, 我们还可以进一步判断在线性回归方程中, 哪些变量x1,x2,是影响的重要变量 哪些变量是不重要变量,由此分析可对回归 方程作更进一步简化,从而得到最优回归方 程。这就是所谓的对每个变量 进行显著性检验问题 §24回归方程的显著性检验——方差分析 设y=b+b1x1+b2x2+…+bnxm是已求得的 回归方程。y是第i试验点(x1,x2,…,xm)代 入回归方程所求的回归值 这里称试验值(观察值)y;与其平均值 5=2的离差平方和为总离差平方和。记为 yi=y s2.4回归方程的显著性检验——方差分析 Y-Y Y-r Sa=(y,-y y=XB+a 其中,(Y-Y)是由回归方程决定的,称为回归离差, 而(Y-y2)是由随机因素造成的,称为残差 上图给出了总离差分解示意图。