1、回归方程的显著性检验
(1) 回归平方和与剩余平方和
建立回归方程以后, 回归效果如何呢?因变量
与自变量
是否确实存在线性关系呢?这是需要进行统计检验才能加以肯定或否定, 为此, 我们要进一步研究因变量
取值的变化规律。
的每次取值
是有波动的, 这种波动常称为变差, 每次观测值
的变差大小, 常用该次观侧值
与次观测值的平均值的差
(称为离差)来表示, 而全部
次观测值的总变差可由总的离差平方和
,
其中:
称为回归平方和, 是回归值
与均值
之差的平方和, 它反映了自变量
的变化所引起的
的波动, 其自由度
(为自变量的个数)。
称为剩余平方和(或称残差平方和), 是实测值
与回归值
之差的平方和, 它是由试验误差及其它因素引起的, 其自由度
。总的离差平方和的自由度为
。
如果观测值给定, 则总的离差平方和
是确定的, 即
是确定的, 因此
大则
小, 反之,
小则
大, 所以
与
都可用来衡量回归效果, 且回归平方和
越大则线性回归效果越显著, 或者说剩余平方和
越小回归效果越显著, 如果
=0, 则回归超平面过所有观测点; 如果
大, 则线性回归效果不好。
(2) 复相关系数
为检验总的回归效果, 人们也常引用无量纲指标
, (3.1)
或
, (3.2)
称为复相关系数。因为回归平方和
实际上是反映回归方程中全部自变量的“方差贡献”, 因此
就是这种贡献在总回归平方和中所占的比例, 因此
表示全部自变量与因变量
的相关程度。显然