一元线性回归的F检验.docx

一元线性回归效果的显著性检验(F 检验法) 前面我们给出了一元回归直线方程的求解即一元线性回归中未知参数的最小二乘估 计．那么这条回归直线对观测数据(xi,yi) (i=1,2,…,n) 拟合的程度如何？是否真正体现 x、y 之间的这种线性关系，这就需要对回归效果的好坏进行检验．这种检验是评价方程对总体的 代表性的所谓线性关系的显著性检验．检验 x 与 y 是否具有线性关系，以及它们之间的密切程度，这就是回归直线方程的效果检验所要解决的问题． 由一元线性回归的数学模型可知，一元线性回归的数学模型是 y=a+bx+ε ε～N(0, σ2) 即随机变量 y 的数学期望是自变量 x 的线性函数，然而这样的假设是否合理呢？若在 y=a+bx+ε中 b=0，说明 x 的变化对 y 没有影响，这时回归方程 就不能近似地描述变量 x 与 y 之间的关系，因此为了判断 x 与 y 之间是否存在线性关系，只需检验假设： 0H ：b=0 0 此问题也称为线性回归方程的显著性检验问题． i i我们要根据观测数据(x ,y ) (i=1,2,…,n)作出拒绝或接受原假设 b=0 的判断．拒绝原假设才能确认我们的线性回归模型是合理的，接受原假设表示不能认为x、y i i 如何构造统计量来检验这个假设问题呢？我们先把变量 y 的离差平方和 予以分解.（点击此处看分解过程） =Q+U 其中 是回归值 与其平均值 的离差平方和，而 ,可以把看成是由于 x 的变化而引起的 y 值变化，因此称之为回归平方和； 反映的是观测值与回归值之间的离差平方和，它表示除x 对 y 的线性影响之外的一切因素引起的 y 值的变化，称之为误差平方和或残差平方和. 而 ∴ 数学上我们可以证明,当 H0为真时,统计量 ～F(1, n-2). 对于给定的显著性水平α,查自由度为(1，n-2)的F 分布临界值表,可得临界值F (1, n-2) α 使得 . 其拒绝域为 W={FF (1, n-2)}. α 例 在某大学一年级新生体检表中,随机抽取 10 张,得到 10 名大学生的身高(x)和体重(y)的数据如下,试求体重关于身高的线性回归方程,并检验回归方程的显著性(α =0.05)? 身高 x /cm i 162 170 166 158 174 体重 y /kg i 51 54 52 47 63 身高 x /cm i 166 167 170 173 168 体重 y /kg i 59 55 60 57 54 解. 根据表中数据,列出下列计算表. 回归直线方程的计算步骤(I) i x i y i x 2 i y 2 i x y i i 1 162 51 26244 2601 8262 2 170 54 28900 2916 9180 3 166 52 27556 2704 8632 4 158 47 24964 2209 7426 5 174 63 30276 3969 10962 6 166 59 27556 3481 9794 7 167 55 27889 3025 9185 8 170 60 28900 3600 10200 9 173 57 29929 3249 9861 10 168 54 28224 2916 9072 Σ 1674 552 280438 30670 92574 , , , , , ∴ , . 因此线性回归方程为: . 下面我们来检验身高 x 与体重 y 之间是否具有显著的线性关系． 根据题意,我们作假设 H0: b=0 . n=10 , , , ∴ . 对于给定的α=0.05,查F 分布临界值表得到临界值: F (1, 8)=5.32． 0.05 显然，F =19.12 F (1, 8)=5.32，故拒绝 H ，即由 F 检验法可知，身高 x 与体重 y 0 0.05 0 之间的线性关系是显著的，且它们之间的关系为： .