Алгоритм построения t-критерия Стьюдента.

1 шаг. Выдвигается H0 о равенстве нулю параметра регрессионной модели.

2 шаг. Вычисляются стандартные ошибки параметров модели. В случае парной линейной регрессии имеем:

Для параметра а₀ –

Для параметра а₁ -

- средняя ошибка.

3 шаг. Рассчитывают фактическое (расчетное) значение t -критерия, для этого значение параметра регрессионного уравнения делят на его стандартную ошибку.

Для параметра а₀ –

Для параметра а₁ –

4 шаг. По таблице распределения Стьюдента находят критическими (табличными) значениями t- критерия с учетом принятого уровня значимости a (обычно a - 0,01; 0,05; 0,10) и числом степеней свободы вариации v=n- 2.

5 шаг. Сравнивают фактическое и табличное значение. Если фактическое значение (по модулю) больше табличного, то соответствующий параметр признаётся значимым (существенным). Нулевая гипотеза отвергается, т.е. вероятность, что найденные значения параметров обусловлены только случайными совпадениями равно нулю.

Алгоритм построения F -критерий Фишера:

1. шаг. Выдвигается нулевая гипотеза об одновременной значимости нулю всех коэффициентов регрессии при объясняющих переменных.

H₀: α₁=α₂=…=α_m=0

H₁: α₁ ¹ α₂ ¹ … ¹ α_m ¹ 0

2. шаг. Проверка данной гипотезы осуществляется на основе дисперсионного анализа сравнения объясненной и остаточной дисперсий.

H₀: (объясненная дисперсия)=(остаточной дисперсии)

H₁: (объясненная дисперсия)>(остаточной дисперсии)

3. шаг. При выполнение предпосылок МНК построенная F -статистика имеет распределение Фишера с числом степеней свободы v₁=m-1, v₂=n-m.

4. шаг. Если при требуемом уровне значимости a F _факт> F _табл то Н₀ отклоняется в пользу Н₁.

 

Этапы построения регрессионной модели

1 этап	2 этап	3 этап	4 этап	5 этап	6 этап	7 этап
						Экономические выводы