【摘要】:当x 取值x1,x2,…,yn,称为y1,y2,…,yn,的总偏差平方和,它的大小反映了观测值y1,y2,…,yn的分散程度.对Q总进行分析其中Q剩称为剩余平方和,它反映了观测值yi 偏离回归直线的程度,这种偏离是由试验误差及其他未加控制的因素引起的.可证明是σ2 的无偏估计.Q回为回归平方和,它反映了回归值(i=1,2,…解由例10.1 知故拒绝H0,即两变量的线性相关关系是显著的.
当x 取值x1,x2,…,xn 时,得y 的一组观测值y1,y2,…,yn,
称为y1,y2,…,yn,的总偏差平方和(total sum of squares),它的大小反映了观测值y1,y2,…,yn的分散程度.对Q总进行分析
其中
Q剩称为剩余平方和(residual sum of squares),它反映了观测值yi 偏离回归直线的程度,这种偏离是由试验误差及其他未加控制的因素引起的.可证明是σ2 的无偏估计.
Q回为回归平方和(regression sum of squares),它反映了回归值(i=1,2,…,n)的分散程度,它的分散性是因x 的变化而引起的,并通过x 对y 的线性影响反映出来.因此的分散性来源于x1,x2,…,xn 的分散性.
通过对Q剩、Q回的分析,y1,y2,…,yn 的分散程度Q总的两种影响可以从数量上区分开来.Q剩较小时,偏离回归直线的程度小.Q回较大时,分散程度大.因而Q回与Q剩的比值反映了这种线性相关关系与随机因素对y 的影响的大小.比值越大,线性相关性越强.
可证明统计量
(www.daowen.com)
给定显著性水平α,若F≥Fα,则拒绝假设H0,即认为在显著性水平α 下,y 对x 的线性相关关系是显著的.反之,则认为y 对x 没有线性相关关系,即所求线性回归方程无实际意义.检验时,可使用方差分析表10.4.
表10.4
其中
例10.3 在显著性水平α=0.05,检验例10.1 中的回归效果是否显著?
解 由例10.1 知
故拒绝H0,即两变量的线性相关关系是显著的.
免责声明:以上内容源自网络,版权归原作者所有,如有侵犯您的原创版权请告知,我们将尽快删除相关内容。
有关概率论与数理统计的文章