python 线性回归显著性检验_回归方程及回归系数的显著性检验_stata显著性检验...

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