注:对方程(6)通过了检验,仅可认为回归系数B0,B ,…,Bp不全为零,但不能说明所有的回归系数都不为零。 1)回归方程(6)显著不说明每个可控变量X1,X2,…,Xp 对Y的影响同等重要; 0)回归系数之间左在着相关性 希望从方程(6)中剔除次要的变量,建立形式更简洁的 回归方程,首先需要判断各变量因素X1,X2…,Xp对Y的影 响程度。 ②回归系数的显著性检验 回归系数显著性检验法 各变量的系数(回归系数)反映了各个变量因素X1,X2,… Xp对Y的影响程度。 由(经验)回归方程 j=bo+6x1+bx2+.+pxp 的最小二乘估计b的性质,b的每一分量b均服从正态分布, 且 E(b)=βj,D(b)=C02,(j=1,2,…,P), 其中c是相关矩阵C=A1的第j个对角元素,故 B N(0,1) 如果X1对Y的线性影响不显著,则回归模型(1注：对方程（6）通过了检验，仅可认为回归系数β0，β 1，…，βP不全为零，但不能说明所有的回归系数都不为零。 希望从方程（6）中剔除次要的变量，建立形式更简洁的 回归方程，首先需要判断各变量因素 X1, X2, …, Xp 对 Y 的影 响程度。 ② 回归系数的显著性检验 a. 回归系数显著性检验法 各变量的系数（回归系数）反映了各个变量因素 X1, X2, …, Xp 对 Y 的影响程度。 由（经验）回归方程 P P y = b + b x + b x ++ b x 0 1 1 2 2 ˆ 的最小二乘估计 b 的性质，b的每一分量 bj均服从正态分布， 且 E(bj)=βj, D(bj)=cj,jσ2 , (j=1,2,…,P), 其中 cj,j 是相关矩阵 C=A－1 的第 j 个对角元素，故 ~ (0,1) 2 , N c b j j j j  −  如果 Xj 对 Y 的线性影响不显著，则回归模型（1） 1）回归方程(6)显著,不说明每个可控变量 X1, X2, …, Xp 对 Y 的影响同等重要； 2）回归系数之间存在着相关性