B - ковариационная матрица
19. Проверка значимости коэффициентов и адекватности регрессии для множественной линейной регрессионной модели.
После того как уравнение линейной регрессии найдено, проводится оценка значимости как уравнения в целом, так и отдельных ее параметров.
Оценка значимости уравнения регрессии в целом дается с помощью F-критерия Фишера. При этом выдвигается нулевая гипотеза, что коэффициент регрессии равен нулю, т.е. b=0, и, следовательно, фактор x не оказывает влияния на результат y.
Коэффициент множественной детерминации. Скорректированный коэффициент детерминации.
Коэффициент множественной детерминации характеризует, насколько процентов построенная модель регрессии объясняет разброс значений результативной переменной относительно ее среднего значения.
Коэффициент множественной детерминации рассчитывается как квадрат коэффициента множественной корреляции:
R2(y, x1 …xi) = ∑Biстанд * r (yxi)
Коэффициент множественной детерминации также называется количественной характеристикой объясненной построенной моделью множественной регрессии дисперсии результативной переменной. Чем больше значение коэффициента множественной детерминации, тем лучше модель регрессии описывает анализируемую взаимосвязь между переменными.
Коэффициент множественной детерминации можно также рассчитать на основании теоремы о разложении сумм квадратов.
Сумма квадратов разностей между значениями результативной переменной и ее средним значением по выборке может быть представлена следующим образом:
∑ (yi – yср)2 =∑(yi - yi˜)2 +∑(yi˜ - yср)2
∑ (yi – yср)2 — общая сумма квадратов модели множественной регрессии с п переменными (Total Sum Square — TSS);
∑(yi - yi˜)2 — сумма квадратов остатков модели множественной регрессии с п переменными (Error Sum Square — ESS);
∑(yi˜ - yср)2 — сумма квадратов объясненной регрессии модели множественной регрессии с n переменными (Regression Sum Square — HSS).
Коэффициент множественной детерминации, рассчитанный через теорему о разложении сумм квадратов:
R2(y, x1 …xi ) = 1- ESS/TSS