По таблицам Приложения 2 находим: to 025,8 ~ 2,306.
Рассчитанное значение критерия (9,45) больше, чем 2,306. Поэтому мы отвергнем Но на 5%-ном уровне значимости и выберем гипотезу Н,, т.е. мы в праве предположить, что коэффициент корреляции в генеральной совокупности не равен нулю, и что между временем и расстоянием существует линейная связь. Этот результат можно было предвидеть, учитывая высокое значение коэффициента корреляции г.
КРИТЕРИЙ ПРОВЕРКИ ГИПОТЕЗЫ О СВЯЗИ НА ОСНОВЕ ПОКАЗАТЕЛЯ НАКЛОНА ЛИНИИ РЕГРЕССИИ
В простой линейной регрессии критерий показателя наклона — коэффициента регрессии, выполняет те же функции, что и критерий коэффициента корреляции. Поэтому мы проводим либо испытание г, либо Ь, но не оба сразу. В уравнении множественной регрессии, где имеется коэффициент регрессии для каждой независимой переменной, необходимы оба критерия, и они выполняют различные функции.
Но: Между переменными нет линейной связи и х не помогает в прогнозе у, т.е. р=0.
260 4.2. Анализ данных как составная часть принятия решений
|
|
Н): р* 0, т.е. существует линейная связь, и х помогает в прогнозе у.
В этом случае используют двусторонний критерий. Однако как и при испытании г, мы можем заменить этот критерий на односторонний, если предполагаем, что Р>0 или Р<0 — более значимые гипотезы. Формула критерия похожа на ту, что мы использовали для цирв гл.6. Когда дисперсия генеральной совокупности неизвестна, тестовая статистика для выборочной средней определяется как:
(выборочная статистика - параметр, предполагаемый в гипотезе Нд) (х - ц)
наилучшая оценка стандартной ошибки статистики s/V n - 1'
Тестовая статистика для коэффициента регрессии Ь:
Ь-0
оцененная стандартная ошибка Ь Оцененная стандартная ошибка Ь:
«V
V£(x-x)2 '
где ае — дисперсия распределения остатков вдоль линии регрессии генеральной совокупности. Предположим, что дисперсия одинакова для всех значений х. Лучшей оценкой генеральной дисперсии ае является:
* 2 о. ■ |
Ее2 Х(У-У)2 (п-2)" (п-2) •
Алгебраически это можно выразить как:
X2 о.
(п-2)
Чтобы проиллюстрировать наши действия, вернемся к примеру 8.1 о времени и расстоянии. Используем первое выражение для ое2:
2 0,782 + 0,712...(-0,82)2 10,01,«.
с - 8 = 8 -1.л,
Поэтому
а. =1,12 мин.
Гл. 8. Линейная регрессия
Отсюда: s^» 11|= 0,281.
Значение критерия для Р:
1 0,281 *л<-