概率论—线性回归的参数估计与显著性检验（浙江大学概统慕课重学）

线性回归的参数估计

构建以下线性回归模型

当损失函数取最小值（对参数偏导为0）时，可联立方程组

解出β₁、β₀

线性回归的显著性检验

随后进行回归方程的检验：
检验假设：H₀: β₁=0，H₁: β₁ !=0

回归方程的检验——F检验

采用方差分析法：

df(S_T)=n-1, df(S_R)=1, df(S_E)=n-2
(当有k个参数时，df(S_T)=n-1, df(S_R)=k, df(S_E)=n-k-1）
可证S_T=S_R+S_E

SSE即S_E,SSR即S_R
SSE也叫未解释方差，是模型无法解释的变异部分；SSR也叫解释方差，是模型能解释的变异部分。
SSE越小，SSR越大，说明模型模拟效果越好

当F>F _α (1, n-2)，则说明模型有明显解释效果，β₁ ！=0

回归系数检验——t检验

联合检验–F检验

对于多变量模型，要判断同时去掉模型内数个变量是否对模型功能有显著影响，需要衡量S_R在删减变量前后是否有显著增加

可参见知乎中的一篇文章 计量经济学对约束条件的联合检验：F统计量

今日心得：该学学怎么打数学公式了。。。