第四章 時變係數模式構建
4.1 TVC 模式介紹
4.1.3 檢定統計顯著性
複線性迴歸分析除了求取參數係數值外,還必須確定所得到的參數係 數值是否有效,再求解迴歸方程式前,線性迴歸模型只是一種假設,因此 還要進行統計測試,以確保所得之參數在統計上式有意義價值,以下介紹 迴歸分析所需進行知統計測試,原則上區分成兩個部分,整體迴歸模式建 立之測試和個別參數係數值顯著性之測試,整體的檢定滿足顯著性後,才 有意義進一步進行個別參數之檢定,如下:
(一) 整體迴歸模式建立之測試
在迴歸分析中,欲知n個自變數對應變數是否有影響,則必須對模式建 立一統計檢驗,迴歸模式的顯著性檢定,一般都使用F test (檢定),F檢定 將所有自變數計算進來,看應變數 Y 和所有自變數 Xn 是否有統計的顯 著性。
F 檢定的虛無假設(Null hyposesis)如下:
H
0
: β1
β2
….. βn
0 4‐2 H1
: Not all βi
0 i 1,2, …., n
F 值的計算公式如4‐3所示:
F
SSR SSE N
MSR/MSE 4‐3
¾ SSR:迴歸平方和(Sum of Squares Regression, SSR),是Y的預測值和Y的 均值之間差異平方的總和,計算公式如式4-4所示:
4‐4
Yi : Yi的預測值 ; Y : Y的平均值
¾ SSE:誤差平方和(Sum of Squares Error, SSE),是Y的實際值和Y在迴歸 上的預測值之間差異平方的總和,計算公式如下:
4‐5
¾ 總平方和(Sum of Squares Corrected Total, SST) ,計算公式如下:
4‐6
4‐7
SST SSE SSR 4‐8
¾ MSR: Mean Square Regression
¾ MSE: Mean Square Error
變異數分析(ANOVA)如表4.1所示,其中k表共有k個待判定的迴歸係數,N 共有多少個觀測量。
SSR Yi Y
SSE Yi Yi
SST Yi Y S
YY
Yi Y Yi Yi Yi Y
表4.1變異數分析表
來源 平方和 自由度 平均平方和 F檢定
迴歸 SSR k MSR MSR/MSE
殘差 SSE N-k-1 MSE
總和 SST N-1
算出F 值後,由 F 分佈表所查到之 F
, ,N
值作比較,α 為選定之 顯著水準。若根據統計量計算所得的值F > F, ,N
,則我們在顯著水 準α 下,拒絕 H0,認為線性迴歸方程式是顯著的,表示此組係數項 β 對 Y 是有貢獻的;反之,認為線性迴歸方程式不顯著,不管提供之F 值為多少,對Y 的值都沒有貢獻,表示所建立之線性迴歸方程有問題。
(二) 個別參數值顯著性之測試
若係數項β對 Y 是有貢獻的,但並非代表係數項β中之美一個係數都有 貢獻未確定哪些係數是否對 Y 有貢獻,則必須針對參數值之顯著性作一測 試如下:
4‐9
利用 t 統計量進行檢定:
t
β i
S β i ~
t(
n-k-1)
4‐10 由此方法可算得每個參數的t 統計量,再根據選定的顯著水準即可判定是否接受H
0
,若拒絕H0
,表示此估計參數是顯著的,自變數Xi
對應變數Y 有顯著影響,在迴歸模式中有其存在的必要。若結果是接受H0
,表示此參 數不顯著,此參數在迴歸模式中無其存在之必要,一般一次t 檢驗後,只剔 除一個變量,這個變量是所有不顯著變量中t 值最小,然後重新建立迴歸模 式,在進行檢驗,直到所建立的迴歸模式即自變量都是顯著時為止。H