Линейный тест гипотезы
p = linhyptest(beta,COVB,c,H,dfe)
[p,t,r] = linhyptest(...)
p = linhyptest(beta,COVB,c,H,dfe) возвращает p значение p теста гипотезы на вектор параметров. beta является вектором k оценок параметров. COVB - k -by k оцененная ковариационная матрица оценок параметров. c и H задайте нулевую гипотезу в форме H*b = c, где b - вектор неизвестных параметров, оцененный beta. dfe является степенями свободы для COVB оценка, или Inf если COVB известен, а не оценен.
beta обязательно. Остальные аргументы имеют значения по умолчанию:
COVB = eye(k)
c = zeros(k,1)
H = eye(K)
dfe = Inf
Если H опущен, c должны иметь k элементов, и это задает значения нулевой гипотезы для всего вектора параметра.
Примечание
Следующие функции возвращают выходы, подходящие для использования в качестве COVB входной параметр в linhyptest: nlinfit, coxphfit, glmfit, mnrfit, regstats, robustfit. nlinfit возвращает COVB непосредственно; другие функции возвращаются COVB в stats.covb.
[p,t,r] = linhyptest(...) также возвращает тестовую статистику t и ранг r матрицы гипотез H. Если dfe является Inf или не дается, t*r является хи-квадратной статистикой с r степени свободы. Если dfe задается как конечное значение, t является F статистикой с r и dfe степени свободы.
linhyptest выполняет тест на основе асимптотического нормального распределения для оценок параметра. Он может использоваться после любой процедуры оценки, для которой доступны параметры ковариации, такие как regstats или glmfit. Для линейной регрессии p -значения точны. Для других процедур p-значения являются приблизительными и могут быть менее точными, чем другие процедуры, такие как основанные на коэффициенте вероятности.
Подбор множественной линейной модели к данным в hald.mat:
load hald
stats = regstats(heat,ingredients,'linear');
beta = stats.beta
beta =
62.4054
1.5511
0.5102
0.1019
-0.1441Выполните F -тест, чтобы последние два коэффициента были 0:
SIGMA = stats.covb;
dfe = stats.fstat.dfe;
H = [0 0 0 1 0;0 0 0 0 1];
c = [0;0];
[p,F] = linhyptest(beta,SIGMA,c,H,dfe)
p =
0.4668
F =
0.8391