主要内容
linhyptest
线性假设检验
语法
p = linhyptest(β,COVB, c, H, dfe)
[p t r] = linhyptest(…)
描述
p = linhyptest(β,COVB, c, H, dfe)返回p价值p对一个参数向量的假设检验。β是向量k参数估计。COVB是k——- - - - - -k估计协方差矩阵的参数估计。c和H在表单中指定空假设H * b = c,在那里b未知参数的向量是由β．教育部自由度是多少COVB估计,或正如果COVB是已知的而不是估计的。
β是必需的。其余参数有默认值:
COVB =眼睛(k)c = 0 (k, 1)H =眼睛(K)教育部=正
如果H省略了,c必须有k元素，并为整个参数向量指定空假设值。
请注意
下面的函数返回适合作为COVB输入参数linhyptest：nlinfit，coxphfit，glmfit，mnrfit，regstats，robustfit．nlinfit返回COVB直接;其他函数返回COVB在stats.covb．
[p t r] = linhyptest(…)也返回测试统计信息t和排名r假设矩阵的H．如果教育部是正或者没有给出，t * r卡方统计量是多少r自由度。如果教育部为一个有限值，t是一个F统计与r和教育部的自由度。
linhyptest对参数估计执行基于渐近正态分布的检验。它可以在任何参数协方差可用的估计过程之后使用，例如regstats或glmfit．对于线性回归，p价值观是恰当的。对于其他的程序，p-值是近似的，可能比其他程序(如基于似然比的程序)更不准确。
例子
对数据拟合一个多元线性模型hald.mat：
Load hald stats = regstats(热量，成分，'线性');β=统计数据。ββ= 62.4054 1.5511 0.5102 0.1019 -0.1441
执行一个F-测试最后两个系数都是0:
σ= stats.covb;教育部= 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
介绍了R2007a
你也可以从以下列表中选择一个网站:
