[多元统计分析] 11.回归方程和回归系数的显著性检验
文章目录
- 十一、回归方程与回归系数的显著性检验
- 1.平方和分解
- 2.回归方程的假设检验
- 3.中心化的等价形式
- 4.回归系数的假设检验
- 5.回归方程的预报精度
- 回顾总结
十一、回归方程与回归系数的显著性检验
回归方程的显著性检验,检验的是我们建立线性回归方程的合理性,因为我们不能肯定模型是正确的,也就是说我们需要检验
Y
Y
Y与
x
1
,
⋯
,
x
m
x_1,\cdots,x_m
x1,⋯,xm之间是否存在着线性关系,或者只跟其中的一部分变量存在线性关系。事实上,如果
Y
Y
Y与
x
1
,
⋯
,
x
m
x_1,\cdots,x_m
x1,⋯,xm之间均无线性相关关系,则
β
i
\beta_i
βi应均为0,所以我们要检验的假设是
H
0
:
β
1
=
β
2
=
⋯
=
β
m
=
0.
H_0:\beta_1=\beta_2=\cdots =\beta_m=0.
H0:β1=β2=⋯=βm=0.
1.平方和分解
为了检验这个假设,我们需要找到一个检验统计量,平方和分解公式就提供了一种求检验统计量的方式。平方和分解公式指的是
∑
i
=
1
n
(
y
i
−
y
ˉ
)
2
=
∑
i
=
1
n
(
y
i
−
y
^
i
)
2
+
∑
i
=
1
n
(
y
^
i
−
y
ˉ
)
2
,
\sum_{i=1}^n(y_i-\bar y)^2=\sum_{i=1}^n(y_i-\hat y_i)^2+\sum_{i=1}^n(\hat y_i-\bar y)^2,
i=1∑n(yi−yˉ)2=i=1∑n(yi−y^i)2+i=1∑n(y^i−yˉ)2,
这里
y
ˉ
=
1
n
∑
i
=
1
n
y
i
\bar y=\frac 1n\sum_{i=1}^n y_i
yˉ=n1∑i=1nyi,
y
^
i
=
β
^
0
+
β
^
1
x
i
1
+
⋯
+
β
^
m
x
i
m
\hat y_i=\hat \beta_0+\hat\beta_1x_{i1}+\cdots+\hat\beta_mx_{im}
y^i=β^0+β^1xi1+⋯+β^mxim,
β
^
\hat\beta
β^是
β
\beta
β的最小二乘估计即
β
^
=
(
C
′
C
)
−
1
C
′
Y
\hat\beta=(C'C)^{-1}C'Y
β^=(C′C)−1C′Y。
先进行普通的分解,即
∑ i = 1 n ( y i − y ˉ ) 2 = ∑ i = 1 n [ ( y i − y ^ i ) + ( y ^ i − y ˉ ) ] 2 = ∑ i = 1 n ( y i − y ^ i ) 2 + ∑ i = 1 n ( y ^ i − y ˉ ) 2 + 2 ∑ i = 1 n ( y i − y ^ i ) ( y ^ i − y ˉ ) = ∑ i = 1 n ( y i − y ^ i ) 2 + ∑ i = 1 n ( y ^ i − y ˉ ) 2 + 2 ∑ i = 1 n e i ( y ^ i − y ˉ ) . \begin{aligned} \sum_{i=1}^n(y_i-\bar y)^2=&\sum_{i=1}^n[(y_i-\hat y_i)+(\hat y_i-\bar y)]^2 \\ =&\sum_{i=1}^n (y_i-\hat y_i)^2+\sum_{i=1}^n(\hat y_i-\bar y)^2+2\sum_{i=1}^n (y_i-\hat y_i)(\hat y_i-\bar y)\\ =&\sum_{i=1}^n (y_i-\hat y_i)^2+\sum_{i=1}^n(\hat y_i-\bar y)^2+2\sum_{i=1}^ne_i(\hat y_i-\bar y). \end{aligned} i=1∑n(yi−yˉ)2===i=1∑n[(yi−y^i)+(y^i−yˉ)]2i=1∑n(yi−y^i)2+上一篇: 分库分表问题
下一篇: 第 II 章.财务报表分析方法