242 Weryfikacja hipotez statystycznych
nie ma wartości dla S] = 5, s2 = 113, przyjęto najbliższą jej wartość dla s2~ 120). Obszar odrzucenia jest jówny W =<2,29;co). Ponieważ F s W , zatem odrzucamy hipotezę zerową i twierdzimy, że zależność między badanymi cechami jest nieliniowa.
Szacując nieznane parametry równania regresji liniowej otrzymujemy oceny ich estymatorów, wyznaczone na podstawie posiadanej próby statystycznej. Należy zatem zweryfikować hipotezę, czy analizowane parametry er (j = 0, l, 2,..., k) istotnie różnią się od zera, co oznacza, że weryfikujemy
hipotezę dotyczącą zmiennej objaśniającej x ., zadając sobie pytanie, czy ma ona istotny wpływ na kształtowanie się zmiennej objaśnianej y. Tak więc hipoteza zerowa formułowana jest jako:
H0: at m 0 (6.37)
wobec hipotez alternatywnych:
//1 : ety s* 0 ( 6.38)
dla obustronnego obszaru odrzucenia, jeżeli znak parametru nie posiada istotnego dla nas znaczenia,
//, : aj < 0 ( 6.39)
dla lewostronnego obszaru odrzucenia, kiedy wartość oszacowanego parametru jest ujemna, czyli zachodzi a; <0,
//, i aj >0 ( 6.40)
dla prawostronnego obszaru odrzucenia, kiedy wartość oszacowanego parametru jest dodatnia.
Sprawdzianem tej hipotezy jest statystyka o rozkładzie t-Studenta o [n - (£+l )| (gdzie k - liczba zmiennych objaśniających w modelu regresji101 (5.3!)) stopniach swobody postaci:
t = (6.41)
S(aj)
Hit
Jeżeli w modelu regresji brak jest wyrazu wolnego, to sprawdzianem jesl statystyka t-SiUdentn o (n-k) stopniach swobody.
Weryfikacja hipotezy o istotności parametrów polega na wyznaczeniu wartości sprawdzianu (6.41) i porównaniu go z wartością krytyczną odczytaną z tablic dla ustalonego poziomu istotności a oraz liczby stopni swobody, jak to zostało przedstawione przy weryfikacji hipotez o średniej (patrz 6.3.1). Odrzucenie hipotezy zerowej oznacza, że badana zmienna niezależna posiada istotny statystycznie wpływ na kształtowanie się zmiennej zależnej. W przypadku braku podstaw do odrzucenia hipotezy zerowej mówimy o nieistotnym wpływie zmiennej jc na zmienną objaśnianą.
Przykład 6.29
Regresja liniowa liczby ofiar śmiertelnych (y) względem liczby wypadków drogowych (x) dla 18 krajów ma postać102:
y = 0,0581* + 0,0314.
Sprawdź, czy ocena współczynnika a, =0,0581 przy standardowym błędzie szacunku 0,0231 na poziomie istotności a = 0,05 jest istotna statystycznie (różna od zera).
Rozwiązanie
Stawiamy hipotezy:
H0 :a] =0
//, : a, > 0
0 058
Z relacji (6.34) t——-= 2,515. Liczba stopni swobody to 18-1-1 *16
0,023
(k=\, bo mamy jedną zmienną niezależną w liniowej postaci funkcji regresji). Wartość krytyczna statystyki t-Studenta przy zadanych warunkach i postaci hipotezy alternatywnej Hi wynosi ta —1,746, a więc W m (l,746;oo). Wartość empiryczna przekracza wartość krytyczną. Na poziomie istotności 0,05 odrzucamy Hq. Ocena a| = 0,0581 przy 5% błędzie 1 rodzaju okazała się istotna statystycznie, a więc liczba wypadków drogowych ma wpływ na liczbę ofiar śmiertelnych. <P