- 1、本文档共4页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
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:
.
文档评论(0)