知识卡片
单个系数的t检验
方程整体显著,并不意味着每个自变量都显著。检验 βi=0 用 ti=β̂i/(σ̂√cii),其中 cii 是 (XᵀX)⁻¹ 的第 i 个对角元,σ̂ 是误差标准差估计;H0 成立时 ti~t(n-p-1),|ti| 超过 t_{α/2}(n-p-1) 就拒绝。另一种等价看法是偏回归平方和:把 xi 删掉重算回归,SSE 的增加量 ΔSSR(i)=SSR-SSR(i) 衡量 xi 在其他变量已入场时的独立贡献,据此构造偏 F 统计量,且 t² 恰等于该偏 F。两种视角指向同一件事——系数的显著性看的是增量贡献,而不是它单独与 y 的相关。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 第2章 线性回归方法 · 查看原书依据
回归方程通过了显著性检验并不意味着每个自变量xi(i=1,2, …, p)都对y 有显著的影响,可能其中的某个或某些自变量对y 的影响并不显著。
参考来源
- 位置:《大数据挖掘与统计机器学习》第2章 线性回归方法(源文件:extracted/大数据挖掘与统计机器学习/_epub-src/OEBPS/Text/chapter4_0001.xhtml,2.1.1 多元线性回归模型)
- 结论依据:原文由性质 6 推出 t 统计量,又用删除变量后的残差平方和构造偏 F,并说明两者一致。
- 原始内容:回归方程通过了显著性检验并不意味着每个自变量xi(i=1,2, …, p)都对y 有显著的影响,可能其中的某个或某些自变量对y 的影响并不显著。