统计|如何理解多元线性回归的F检验的作用与目的

本博文源于《商务统计》,旨在讲述如何理解多元线性回归中的F检验。

问题起源

我们通过统计软件计算多元线性回归的参数，计算测得后，如何更好的描述你拥有回归参数对y的影响呢？换句话说，如果某一个参数消失会不会对y产生影响。那我们就要做假设检验证明它们具有很强的线性关系。
假设
$$\begin{gathered} H_0:{\beta }_1={\beta }_2=....={\beta }_k=0线性关系不显著 \\ {H}_1:{\beta }_1,{\beta }_2,....{\beta }_k至少有一个不等于0 \end{gathered}$$

线性关系检验简要介绍

刚才上面给出了原假设和备择假设。它是检验因变量与所有自变量之间的线性关系是否显著.也被称为总体的显著性检验。
所采用的检验方法是将回归均方和(MSR)同离差均方和(MSE)加以比较,应用F检验来分析二者之间的差别是否显著。

• 如果是显著的，因变量与自变量之间存在线性关系。
• 如果不显著，因变量与自变量之间不存在线性关系。

计算检验统计量F

$$F=\frac{SSR/k}{SSE/n-k-1}=\frac{{\sum }_{i=1}^n({\hat{y}}_i-\bar{y}{)}^2/k}{{\sum }_{i=1}^n(y_i-\hat{y}{)}^2/n-k-1}\sim F(k,n-k-1)$$
确定显著性水平$\alpha$和分子自由度k、分母自由度n-k-1找出临界值$F_{\alpha }$

统计决策

若$F>F_{\alpha }$，或P值<$\alpha$，拒绝$H_0$

总结

当我们想要测定多元自变量是否整体与y因变量线性相关时，就需要F检验。 F检验的计算公式都已经给出，在相应的统计软件中只需要输入数据，选中几个选项即可。