方程显著性的检验
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
方程显著性的检验
方程显著性可用方程的F比值(F比值=回归平方和÷残差平方和)和复相关系数描述,当α等于0.05以下,方程的可靠程度的概率超过95%。复相关系数r接近1较好,随着项数的引进多,R会自动增加,容易形成假象。所以,α的可靠性比R高。
样本的预留检验,是用预留的样本值直观检验回归方程预报值的拟合精度。如果这几批都与预报值相差很大,再预报其它值还有可靠性吗?
三种检验方法各有优缺点。通常,样本数少、试验误差大、检测不准是造成检验难过关的主要原因。
1.F统计值
在建模时,F临界值是用于引入或剔除一个变量时的一种尺度。临界
值高,在引入方程时,将显著性好的变量引入。剔除时,又可将引
入方程的变量再次检验,将变得不显著的剔除,使方程处于优化状
态。
引入和剔除的F临界值是怎样确定呢?选择α=?时的F分布表,
查该表的第N1列、第n-N1-1行的值,该值即为该表α=?时的f
临界值。其中n为样本个数,N1为方程中引入的变量模式数。
当N1=1时,是引入一个变量,所得F临界值用于建模。若是回归方
程中引入了5个自变量或是其组合项,此时N1=5,所得的F临界是
用于描述方程拟合得好与坏。
在方差分析中,回归平方和是由自变量X的变化引起的,它的大小
反映了自变量X的重要程度。剩余平方和是由试验误差以及其它为
加控制的因素引起的它的大小反映了试验误差及其它因素对试验结
果的影响。平方和除自由度为均方,两个均方相除得F比值。
在不同的显著性水平α下,F临界值不一样。F比值高于F临界值,
表明在显著性水平α=?时,回归方程显著。F比值值高,则显著性
水平好,此时的α是反映回归方程拟合的程度。
2.显著性水平α
显著性水平α在统计检验中具有重要作用,α=0.05,意味着回归
方程的有效性为95%,α=0.01,为99%的可靠性。通常α=0.01,
为高度显著;α=0.05,为一般显著;α=0.10以上,方程可靠性
大为下降。
3.复相关系数R
衡量回归方程拟合优良性的一种指标是复相关系数,用R表示,|R|
≤1,R的绝对值越大,说明拟合得越好。复相关系数R的平方R2叫
做决定系数。
R2=1-[回归平方和/(p-1)] / [剩余平方和/(n-p)],其中n为建模
的样本数,p为引入的变量数。
在回归模型中变量引入增加时,复相关系数R随之增大。然而,使
复相关系数R增大的代价是剩余自由度(n-p)的减少,剩余自由度等
于试验次数减去引入模型中引入的变量个数之差,自由度小意味着
预报可靠性低。也就是说,自由度一小,尽管回归模型的拟合在外
表上看是良好的,而区间估计的幅度则会较大,以致失去意义。
为了考虑到拟合优良度与可靠性之间的矛盾,建议采用自由度调整
了的复相关系数R A(简称调整了的复相关系数R A)来描述回归方程。
2
4.调整了的决定系数R
A
调整了的复相关系数系数R A的平方叫做调整了的决定系数R A2。
R A2=1-(1-R2)[(n-1)/(n-p)],其中n为建模的样本数,p为引入的变量数。
尽管(1-R2)随着变量的增加而减少,但是(n-1)/(n-p)起修正作用,当引入的变量对y 的贡献不大时,R A2不但不增加反而可能减少,甚至R A2有时还可能产生负值,说明方程预报效果极差,请用户注意此时的R不一定太小。用R A2描述回归方程较为稳健。
返回
10.3 回归方程的显著性检验
10.3.1 总离差平方和分解 设,求得的回归方程为:
同一元回归,可得: (10-6)
总离差平方和:
回归平方和:
残差平方和:
10.3.2 样本决定系数对回归方程“拟合优度”的检验
样本决定系数(复决定系数,多重决定系数)R2
(10-7)
存在问题:R2与样本容量有关,随着n↑,R↑。
n:样本观测值 k:解释变量个数
其中,当n为小样本,解释变量数很大时,为负,此时取为0。
与均反映在给定样本下,回归方程与样本观测值拟合优度,但不能据此进行总体模型的推断。
10.3.3 回归方程的显著性检验
表10-1 方差分析表
离差名称平方和自由度均方差
RSS/k
回归RSS K
(k个解释变量)
残差ESS n-k-1 ESS/n-k-1
总离差TSS n-1
检验:Y与解释变量x1,x2,…,x k之间的线性关系是否显著。
(1)H0: b1=b2=……b k=0
H1: b i不全为0 (i=1,2,…,k)
(2) (10-8)
或
(3)查表,得:
(4)若,拒绝H0,回归方程显著
,接受H0,回归方程不显著
回归方程显著,并不意味着每个解释变量对因变量Y的影响都重要,因此需要进行检验:
(1)提出假设H0:b i=0 (i=1,2,……k)H1:b i≠0 (i=1,2,……k)
(2)构造并计算统计量(i=1,2,……k) (10-9)
(3)查表,得
(4)比较:若,接受H0
若,拒绝H0
关于模型的异方差、自相关、多重共线性问题的检验,请参考计量经济学有关教材。