这里,回归采用逐个引入自变量的方式,由此可以清楚次看到各项对回归的贡献,使显著性检验更加明确。依次引入自变量 x 1 , x 2 , x 1 2 , x 2 2 , x 1 x 2 x_{1},x_{2},x_{1}^{2},x_{2}^{2},x_{1}x_{2} x1,x2,x12,x22,x1x2以查看各变量对回归的贡献。
代码实现如下:
data9.2<-read.csv("C:/Users/Administrator/Desktop/data9.2.csv",head=TRUE)
lm9.21<-lm(y~x1,data9.2)
lm9.22<-lm(y~x2,data9.2)
lm9.23<-lm(y~x1+x2+I(x1^2),data9.2)
lm9.24<-lm(y~x1+x2+I(x1^2)+I(x2^2),data9.2)
lm9.23<-lm(y~x1+x2+I(x1^2)+I(x2^2)+I(x1*x2),data9.2)
anova(lm9.21)
anova(lm9.22)
anova(lm9.23)
anova(lm9.24)
输出结果为:
根据上面输出结果,我们总结出下表:
全模型的
S
S
T
=
108041
,
S
S
E
=
36
SST=108041,SSE=36
SST=108041,SSE=36,
S
E
E
SEE
SEE的自由度
d
f
=
n
−
p
−
1
=
18
−
5
−
1
=
12
df=n-p-1=18-5-1=12
df=n−p−1=18−5−1=12。采用偏
F
F
F检验,对交互影响系数
β
12
\beta_{12}
β12的显著性检验的偏
F
F
F值为1.96,临界值
F
0.05
(
1
,
12
)
=
4.75
F_{0.05}(1,12)=4.75
F0.05(1,12)=4.75,交互影响系数
β
12
\beta_{12}
β12不能用过显著性检验,认为
β
12
=
0
\beta_{12}=0
β12=0,回归模型中不应该包含交互作用项
x
1
x
2
x_{1}x_{2}
x1x2。
我们仍想检验风险反感度的二次效应是否存在。这相当于检验二次效应系数
β
22
\beta_{22}
β22的显著性,这个检验的偏
F
F
F值为0.95,临界值
F
0.05
(
1
,
13
)
=
4.67
F_{0.05}(1,13)=4.67
F0.05(1,13)=4.67,二次效应系数不能通过显著性检验,认为
β
22
=
0
\beta_{22}=0
β22=0,回归模型中不包含二次效应项
x
2
2
x_{2}^{2}
x22。同理,
β
11
\beta_{11}
β11通过了偏
F
F
F检验,应该保留
x
1
2
x_{1}^{2}
x12项。
最终回归模型的输出结果为: