Next: Güte der Modellanpassung; Overall-F-Test
Up: Multiple lineare Regression
Previous: Vektor- bzw. Matrixschreibweise
  Contents
t-Tests und Konfidenzintervalle für
Regressionskonstante und Regressionskoeffizienten
- Zusätzlich zu den Modellannahmen, die bisher in
Abschnit 3.3 gemacht wurden, setzen wir nun voraus,
dass die zufälligen Störgrößen
normalverteilt
sind. Wegen (53) gilt somit
 |
(68) |
- Ähnlich wie bei den t-Tests, die in Abschnitt 3.1.3
für das einfache lineare Regressionsmodell betrachtet wurden,
können wir dann Hypothesen über einzelne Komponenten des
Parametervektors
testen:
- Beachte
- Beispiel
- Für den bereits in Abschnitt 3.3.2 betrachteten
Spezialfall von zwei Einflussfaktoren, d.h.
, lassen sich die
in (69) betrachteten Testgrößen
und
in
der folgenden Form schreiben:
bzw. |
(73) |
wobei die Größen
und
in
(58) bzw. (62) gegeben sind.
- Wir betrachten nun erneut den in Abschnitt 3.3.2
gegebenen Beispiel-Datensatz und prüfen, ob die Zielvariable
,,Stahlausbeute'' statistisch signifikant von den beiden
technologischen Einflussfaktoren ,,Anzahl der bisherigen
Abstiche'' und ,,Schefelgehalt'' des Produktionsprozesses abhängt.
- Mit anderen Worten: Wir verifizieren die Hypothesen
- In Abschnitt 3.3.2 hatten wir gezeigt, dass
- Durch Einsetzen in (73) ergeben sich nun unter
bzw.
die folgenden ,,Testwerte''
zum Niveau
:

bzw.
- Weil
gilt, wird die
Null-Hypothese
verworfen, d.h., die
Qualitätskennzahl ,,Stahlausbeute'' hängt statistisch
signifikant von dem ersten technlogischen Einflussfaktor ,,Anzahl
der bisherigen Abstiche'' ab.
- Andererseits gilt
, d.h.,
die Abhängigkeit der Qualitätskennzahl ,,Stahlausbeute'' von dem
zweiten technlogischen Einflussfaktor ,,Schwefelgehalt'' ist
statistisch nicht gesichert.
- Aus (73) ergeben sich darüber hinaus die
Konfidenzintervalle
und
für
bzw.
, wenn dabei das Konfidenzniveau
betrachtet wird.
Next: Güte der Modellanpassung; Overall-F-Test
Up: Multiple lineare Regression
Previous: Vektor- bzw. Matrixschreibweise
  Contents
Hendrik Schmidt
2003-07-21