首页 理论教育 回归模型检验及应用-现代中长期水文预报方法及其应用

回归模型检验及应用-现代中长期水文预报方法及其应用

时间:2023-10-04 理论教育 版权反馈
【摘要】:此时,多元回归模型虽然形式存在,但已无实用价值。

回归模型检验及应用-现代中长期水文预报方法及其应用

与一元线性回归一样,线性模型式(2.25)是一种假定,为了考核这一假定是否符合实际观测结果,需要进行检验,这里着重介绍F 检验和t 检验,对于相关系数法检验只作简述。

2.2.4.1 线性回归的显著性检验

依据样本(xi1,xi2,…,xip,yi)进行检验。若在显著水平α下拒绝H0,则认为线性回归是显著的,为寻找检验统计量,先分解总变差平方和为:

由正规方程式可推得式(2.35)右端第三项为零,于是:

由F 分布定理,得检验统计量:

式中:n为样本容量;p 为自由度

对于给定的显著水平α,查F 分布表可得Fα(p,n-p-1)。

下面计算给定样本xi1,xi2,…,xip,yi的检验统计量F 的值。首先由式(2.35)计算QT,而在计算Qe时,记:

则可推出:

同时由式(2.37)可知:

将Qe、QE代入式(2.39)即可计算检验统计量F。

(1)若F≥Fα(p,n-p-1),则拒绝H0,即各回归系数为零的假设不成立,认为线性回归显著。

(2)若F<Fα(p,n-p-1),则接受H0,即各回归系数为零的假设成立,认为线性回归不显著。

2.2.4.2 回归系数的显著性检验

上述F 检验从整体上检验了自变量因变量线性相关程度是否显著的问题。若线性回归显著,回归系数不全为零。但是,并不是说每个自变量xj(j =1,2,…,p)都对因变量y 的变化有显著影响。例如,系数为零的自变量对y 的值就不起作用了。因此,检验某一个回归系数bj(1≤j ≤p)是否为零,相当于检验相应的因子xi对预报对象y 的值有无影响。回归系数的显著性检验用t 检验法进行。

在线性回归模型上提出假设:

在H0成立下,由t 分布定义得:

式中:cjj矩阵C =(X′X)-1的主对角线上的第j 个元素;n 为样本容量;p 为自由度;Qe残差平方和

这样就可以计算出给定样本xi1,xi2,…,xip,yi的检验统计量|tj|的值。给定显著性水平α,查t 分布表可得tα/2(n-p-1)的值。两者进行比较。

(1)若|tj|≥tα/2(n-p-1),则拒绝H0,即认为回归系数bj显著的不等于零,自变量xj对y 有显著影响。(www.xing528.com)

(2)若|tj|<tα/2(n-p-1),则接受H0,即认为回归系数bj显著的等于零,自变量xj对y 无显著影响。

2.2.4.3 相关系数检验

在一元线性回归模型的相关系数检验中,曾引入相关系数和可决系数,用它们的大小来反映线性回归直线对样本观测值的近似程度。在多元回归模型的相关分析中,也可引入相关系数和可决系数。定义:

式中:QT为总变差平方和;QE为回归离差平方和;Qe为残差平方和。

R 为多元回归模型的可决系数(或称多重可决系数),又称R 为预报因子x1,x2,…,xp与预报对象y 之间的多元相关系数。

图2.6 多元线性回归
计算流程图

从式(2.41)可知,满足0≤R2≤1,若R2较大,则多元回归模型的线性近似程度较高,当R2=1 时,便是样本点xi1,xi2,…,xip,yi 全部落在回归面上,此时称为全线回归;若R2较小,则多元回归模型的线性近似程度较低;当R2=0 时,表示y 的变化均由非线性部分引起。此时,多元回归模型虽然形式存在,但已无实用价值。

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。

我要反馈