Как обычно все начинается с H0 гипотезы => F-критерий Фишера и t-критерий Стьюдента
F=(R2/1-R2) * (n-m-1/m) – применима только для линейных моделей
Частный F-критерий:
Fx1=(R2yx1x2-R2yx2/1- R2yx1x2)*(n-m-1)/1, (делится на 1 при включении в модель 1 фактора = степени свободы)
n-число наблюдений, m – число параметров в модели без свободного члена
Таким образом оценивается значимость дополнительного включения в модель соответствующего фактора
Если Fфакт> Fтаб, то с вероятностью 0,95 можно утверждать, что включения фактора x1 после x2 целесообразно.
Зная F-критерий, можно посчитать t-критерий Стьюдента:
tbi=(Fx(i))0,5
Можно посчитать и без F-критерия, но грустно становится от формулы:
tbi=bi/mbi,
b- коэффициент чистой регрессии при х
mb - средняя квадратическая ошибка коэф-та регрессии b
(между многочленами там знак умножить, а после просто опечатка)