多元线性回归模型的F检验
来源:互联网 发布:免费域名注册网站 编辑:程序博客网 时间:2024/05/16 10:41
H0:b1 = b2 = ... = bk-1 = 0 ,
H1:bi, i = 1, ..., k -1不全为零。
首先要构造F统计量。由(3.36)式知总平方和(SST)可分解为回归平方和(SSR)与残差平方和(SSE)两部分。与这种分解相对应,相应自由度也可以被分解为两部分。
SST具有T - 1个自由度。这是因为在T个变差 ( yt -), t = 1, ..., T,中存在一个约束条件,即 = 0。由于回归函数中含有k个参数,而这k个参数受一个约束条件 制约,所以SSR具有k -1个自由度。因为SSE中含有T个残差,= yt -, t = 1, 2, ..., T,这些残差值被k个参数所约束,所以SSE具有T - k个自由度。与SST相对应,自由度T - 1也被分解为两部分,
(T -1) = ( k - 1) + (T - k) (3.44)
平方和除以它相应的自由度称为均方。所以回归均方定义为
MSR = SSR / ( k - 1)
误差均方定义为
MSE = SSE / (T - k)
(显然MSE = s 2 (见3.23式),它的期望是s 2)。定义F统计量为
(3.45)
在H0成立条件下,有
F = ~ F(k -1, T - k)
设检验水平为 a ,则检验规则是
若用样本计算的F £ Fa (k -1, T - k),则接受H0,
若用样本计算的F > Fa (k -1, T - k),则拒绝H0。
拒绝H0意味着肯定有解释变量与yt存在回归关系。若F检验的结论是接受H0,则说明k – 1个解释变量都不与yt存在回归关系。此时,假设检验应该到此为止。当F检验的结论是拒绝H0时,应该进一步做t检验,从而确定模型中哪些是重要解释变量,哪些是非重要解释变量。
from:http://classroom.dufe.edu.cn/spsk/c102/wlkj/CourseContents/Chapter03/03_07_01.htm
http://classroom.dufe.edu.cn/spsk/c102/wlkj/CourseContents/Chapter03/
- 多元线性回归模型的F检验
- 【回归分析】[5]--多元线性回归对参数的F检验
- 多元线性回归模型的t检验和回归系数的置信区间
- R语言:多元线性回归和模型检验
- 多元线性回归 ——模型、估计、检验与预测
- 多元线性回归模型
- 多元线性回归模型
- 多元线性回归模型的几何意义
- 线性回归 模型检验
- 正态性检验,多元线性和多项式回归,输出具体的回归函数
- 多元线性回归模型的有偏估计
- 最小二乘法的多元线性回归
- 多元线性回归的预测
- 多元线性回归模型和最小二乘法
- 第4章: 多元线性回归模型
- 如何衡量多元线性回归模型优劣
- 统计方法-多元线性回归模型
- 多元线性回归模型 matlab代码 自用
- 关于BigDecimal 的使用
- Jquery each方法,call方法
- 设计模式六大原则(6):开闭原则
- hal库配置time需要修改库函数的地方
- 64位Linux下编译cximage动态库
- 多元线性回归模型的F检验
- html+css-清除浮动
- 如何利用 JConsole观察分析Java程序的运行,进行排错调优
- mybatis理论总结
- leedcode[3] Longest Substring Without Repeating Characters Python实现 详细讲解
- Sockets编程——InetAddress类
- C++初始string
- Android依赖注入(IOC)
- 【Dongle】【HTML】Frame框架的使用