Значимость ур-я множественной регрессии в целом оценивается с помощью F-критерия Фишера:
(1)
где - факторная сумма квадратов на одну степень свободы;
- коэффициент (индекс) множественной детерминации;
n - число наблюдений;
m - число параметров при переменных x (в линейной регрессии совпадает с числом включенных в модель факторов);
- остаточная сумма квадратов на одну степень свободы.
Оценивается значимость не только ур-ия, но и фактора включенного в регрессионную модель
Необходимость такой оценки связана с тем, что не каждый фактор выделяющийся в модели может существенно увеличивать долю объема вариаций результативного признака.
Мерой для оценки включения фактора в модель служит частный F-критерий (). Частный F-критерий построен на сравнении прироста факторной дисперсии, обусловленного влиянием основного включенного фактора с остаточной дисперсией на общую степень свободы по множественной модели в целом.
Предположим, что оценив значимость влияния фактора х1 как основного включенного в модель фактора, имеющий формулу:
|
|
(2)
где - коэффициент множественной детерминации для модели с полным набором факторов;
- тот же показатель, но без включения в модель фактора.
Если оценивается значимость влияния фактора Хр после включения в модель факторов Х1, Х2 и т.д. то формула частного F-критерия имеет вид:
(3)
(4)