如何对回归方程进行统计(显著性)检验？
1 对回归系数的检验
对于回归系数一般采用 t 检验，即假设系数 β 等于0。
2 对回归方程方差的检验
方差一般采用F检验，其将平方和公式进行分解，得到SSR和SSE：
总平方和反映因变量y的波动程度或称不确定性，其可以分解为回归平方SSR和和残差平方和SSE，其中SSR是由回归方程确定，是由自变量x的波动引起的，SSE是不能由自变量解释的波动，是由x之外的未加控制的因素引起的。
因此，SST中，能够由自变量解释的部分为SSR，不能由自变量解释的部分为SSE。SSR越大，回归效果越好，因此构建的F检验统计量为：
3 对回归方程线性关系的检验
因为变量y和变量x之间存在线性关系，所以可以用相关系数来检验回归方程的显著性。
相关系数的直观意义如下：
相关系数的缺点：其接近1的程度与数据组数n有关。当n很小时，其绝对值容易接近1；n较大时，绝对值容易偏小。当n=2时，r的绝对值为1。因此在样本量n较小时，不能仅凭相关系数较大就说明x和y有密切的线性关系。
除了查表，也可以对相关系数进行t检验：
注意，相关系数的t检验，只是表示相关系数显著不为0，不能表示相关程度的强弱。
r一般表示样本相关系数，总体样本相关系数一般用ρ表示：
4 t检验、F检验、r显著性检验的关系
对于一元线性回归，三者一致；对于多元线性回归，三者不一致。
在多元回归中，F检验显著，说明y对所有自变量的整体的线性回归效果是显著的，但不等于y对每个自变量x的回归效果都显著。反之，某个或几个x的系数不显著，回归方程的F检验仍有可能是显著的。
原文地址：https://blog.csdn.net/mengjizhiyou/article/details/143624563
免责声明：本站文章内容转载自网络资源，如本站内容侵犯了原著者的合法权益，可联系本站删除。更多内容请关注自学内容网（zxcms.com）！