Линейный тест гипотезы
p = linhyptest(beta,COVB,c,H,dfe)
[p,t,r] = linhyptest(...)
p = linhyptest(beta,COVB,c,H,dfe) возвращает значение p p из гипотезы тестируют на векторе из параметров. beta вектор из оценок параметра k. COVB k-by-k оцененная ковариационная матрица оценок параметра. c и H задайте нулевую гипотезу в форме H*b = c, где b вектор из неизвестных параметров, оцененных beta. dfe степени свободы для COVB оцените, или Inf если COVB известен, а не оценивается.
beta требуется. Остающиеся аргументы имеют значения по умолчанию:
COVB = eye(k)
c = zeros(k,1)
H = eye(K)
dfe = Inf
Если H не использован, c должен иметь элементы k, и это задает значения нулевой гипотезы для целого вектора параметра.
Примечание
Следующие функции возвращают выходные параметры, подходящие для использования в качестве COVB входной параметр к linhyptest: nlinfit, coxphfit, glmfit, mnrfit, regstats, robustfit. nlinfit возвращает COVB непосредственно; другие функции возвращают COVB в stats.covb.
[p,t,r] = linhyptest(...) также возвращает тестовую статистическую величину t и ранг r из матрицы гипотезы H. Если dfe isinf или не дан, t*r статистическая величина хи-квадрата с r степени свободы. Если dfe задан как конечное значение, t статистическая величина F с r и dfe степени свободы.
linhyptest выполняет тест на основе асимптотического нормального распределения для оценок параметра. Это может использоваться после любой процедуры оценки, для которой ковариации параметра доступны, такой как regstats или glmfit. Для линейной регрессии p - значения точны. Для других процедур p - значения являются аппроксимированными, и могут быть менее точными, чем другие процедуры, такие как те на основе отношения правдоподобия.
Подходящее кратное линейная модель 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, что последние два коэффициента оба 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