В линейной регрессии обычно оценивается значимость не только уравнения в целом, но и отдельных его параметров. С этой целью по каждому из параметров определяется его стандартная ошибка: mb и ma.
, (8.2)
где S2 – остаточная дисперсия на одну степень свободы.
Величина стандартной ошибки совместно с t -распределением Стьюдента при n -2 степенях свободы применяется для проверки существенности коэффициента регрессии.
При гипотезе Н0: b - b0 =0, t -статистика выглядит следующим образом:
Значение сравнивается с табличным значением при определенном уровне значимости и числе степеней свободы (n -2).
Если фактическое значение t -критерия превышает табличное, то гипотезу о несущественности коэффициента регрессии можно отклонить.
Процедура оценивания существенности параметра а не отличается от уже рассмотренной для коэффициента регрессии.
Взаимосвязь t-статистики и F-статистики для парной регрессии.
Существует связь между -критерием Стьюдента и -критерием Фишера: . В прогнозных расчетах по уравнению регрессии определяется предсказываемое значение как точечный прогноз при , т.е. путем подстановки в уравнение регрессии соответствующего значения . Однако точечный прогноз явно не реален. Поэтому он дополняется расчетом стандартной ошибки , т.е. , и соответственно интервальной оценкой прогнозного значения :
|
|
,
где , а – средняя ошибка прогнозируемого индивидуального значения:
.