在显著水平a下,分子自由度为是k-1=2,分母自由度为n-3情况下的显著水平临界值为Fa。当F>Fa时,则说明预测模型通过了F检验。如在一般市场预测问题中,通常取a=5%,若计算出的F统计量大于Fa,则表明可以有95%的把握认定x1和x2与y之间存在着显著的相关关系。Р (5)t检验。t检验,又称回归系数检验,是检验某个自变量对因变量的显著性。即检验某个自变量是否对因变量有显著的影响,是否是多余的,所以要对自变量逐个检验其对因变数的显著性。若某个自变量对因变量的影响不显著,则应当将此自变量从预测模型中剔除,重新建立更为简单的回归模型,或更换自变量,以便提高预测的精度。Р t检验的计算公式如下: Р对回归系数b1的检验: Рt1 = b1 / sb1 Р 其中: Р Р对回归系数b2的检验: Р t2 = b2 / sb2 Р 其中: Р Р 将有关数据代人上式,即可得两个t统计量值。Р 一般情况下选择95%的置信度,即5%的显著水平,对此两个统计值分别查t分布表中的自由度为n-3,可得此时t的两个临界值ta。若计算得出的某个t统计量大于ta。t则说明它所对应的自变量与因变量之间存在着相关性,这种相关性在统计上有意义。若某个t值小于ta,则表明该回归系数所对应的自变量对因变量没有影响,或影响不显著,则应从预测模型中去掉该变量,或重新选择白变量。若全部回归系数通过了此检验,则可以用这种预测模型进行预测。Р 3.预测并确定置信区间Р 在上述检验都通过以后,即可将已判断出的未来的两个自变量的值代入预测模型,就可算出预测值。Р 二元回归预测值的置信区间,同一元回归相类似,其公式为: Р Р 对于小样本,即n≤30时,估算预测值的置信区间,应引入一个校正系数: Р Р 则置信区间为: Р Р 式中: Р ta / 2——置信度和n-k自由度的t的临界点; Р n——观察期数据点的个数。
全文预览
