

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡介
1、3回歸方程及回歸系數(shù)的顯著性檢驗(yàn)回歸方程及回歸系數(shù)的顯著性檢驗(yàn)1、回歸方程的顯著性檢驗(yàn)(1)回歸平方和與剩余平方和建立回歸方程以后回歸效果如何呢?因變量與自變量是否確實(shí)存在線性關(guān)系呢?這是需要進(jìn)行統(tǒng)計(jì)檢驗(yàn)才能加以肯定或否定為此我們要進(jìn)一步研究因變量取值的變化規(guī)律。的每次取值是有波動(dòng)的這種波動(dòng)常稱為變差每次觀測值的變差大小常用該次觀側(cè)值與次觀測值的平均值的差(稱為離差)來表示而全部次觀測值的總變差可由總的離差平方和其中:稱為回歸平方和是回
2、歸值與均值之差的平方和它反映了自變量的變化所引起的的波動(dòng)其自由度(為自變量的個(gè)數(shù))。稱為剩余平方和(或稱殘差平方和)是實(shí)測值與回歸值之差的平方和它是由試驗(yàn)誤差及其它因素引起的其自由度??偟碾x差平方和的自由度為。如果觀測值給定則總的離差平方和是確定的即是確定的因此大則小反之小則大所以與都可用來衡量回歸效果且回歸平方和越大則線性回歸效果越顯著或者說剩余平方和越小回歸效果越顯著如果=0則回歸超平面過所有觀測點(diǎn)如果大則線性回歸效果不好。(2)復(fù)
3、相關(guān)系數(shù)為檢驗(yàn)總的回歸效果人們也常引用無量綱指標(biāo)(3.1)或剩余總計(jì)根據(jù)與的定義可以導(dǎo)出與的以下關(guān)系:。利用這兩個(gè)關(guān)系式可以解決值多大時(shí)回歸效果才算是顯著的問題。因?yàn)閷o定的檢驗(yàn)水平α由分布表可查出的臨界值然后由即可求出的臨界值:(3.7)當(dāng)時(shí)則認(rèn)為回歸效果顯著。例3.13.1利用方差分析對例2.1的回歸方程進(jìn)行顯著性檢驗(yàn)。方差分析結(jié)果見表3.2。表3.2來源平方和自由度方差方差比回歸剩余總計(jì)取檢驗(yàn)水平α=0.05查分布表得而所以例2.
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲(chǔ)空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 回歸方程及回歸系數(shù)的顯著性檢驗(yàn)1
- 回歸系數(shù)的假設(shè)檢驗(yàn)(7)
- 線形回歸方程
- 一元線性回歸結(jié)果的顯著性檢驗(yàn)
- 線性回歸模型回歸系數(shù)的平衡LS估計(jì)及預(yù)測.pdf
- matlab一元線性回歸方程的計(jì)算和檢驗(yàn)
- 線性回歸方程高考題
- 高二數(shù)學(xué)線性回歸方程教案
- 19537.panel數(shù)據(jù)模型回歸系數(shù)的假設(shè)檢驗(yàn)
- 平衡損失下線性回歸模型回歸系數(shù)的估計(jì)理論.pdf
- 約束線性回歸模型回歸系數(shù)的條件根方估計(jì).pdf
- 雙側(cè)顯著性檢驗(yàn)與單側(cè)顯著性檢驗(yàn)
- 基于分組數(shù)據(jù)回歸系數(shù)的估計(jì).pdf
- 雙側(cè)顯著性檢驗(yàn)與單側(cè)顯著性檢驗(yàn)
- 基于顯著性糾偏的深度回歸網(wǎng)絡(luò)視覺跟蹤算法(1)
- 基于顯著性糾偏的深度回歸網(wǎng)絡(luò)視覺跟蹤算法.pdf
- 基于局部線性回歸和全局排序的圖像顯著性檢測.pdf
- 平衡損失下回歸系數(shù)線性估計(jì)的可容許性及最優(yōu)平衡估計(jì).pdf
- 帶有趨勢項(xiàng)自回歸系數(shù)的有效估計(jì).pdf
- 多元線性模型回歸系數(shù)的主成分估計(jì).pdf
評(píng)論
0/150
提交評(píng)論