Dispensa di modelli lineari in R - Dipartimento di Statistica
Dispensa di modelli lineari in R - Dipartimento di Statistica
Dispensa di modelli lineari in R - Dipartimento di Statistica
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
CAPITOLO 7. MODELLO DI REGRESSIONE LINEARE MULTIPLA 70<br />
precedenza e ponendo β1 = log k, verificare l’ipotesi H0 : β2 = 2, β3 = 1. In altre<br />
parole, si tratta <strong>di</strong> confrontare il modello ridotto<br />
con il modello completo<br />
yi = β1 + 2xi2 + 1xi3 + εi ,<br />
yi = β1 + β2xi2 + β3xi3 + εi .<br />
Per effettuare il confronto, si deve prima <strong>di</strong> tutto stimare il modello sotto l’ipotesi<br />
nulla.<br />
> ciliegi.lm.0 ciliegi.lm.0 anova(ciliegi.lm.0, ciliegi.lm)<br />
Analysis of Variance Table<br />
Model 1: log(volume) ~ 1<br />
Model 2: log(volume) ~ log(<strong>di</strong>ametro) + log(altezza)<br />
Res.Df RSS Df Sum of Sq F Pr(>F)<br />
1 30 0.1877<br />
2 28 0.1855 2 0.0022 0.17 0.85<br />
Il livello <strong>di</strong> significatività osservato <strong>in</strong><strong>di</strong>ca una forte evidenza <strong>in</strong> favore dell’ipotesi<br />
nulla, avvalorando la congettura sul valore dei coefficienti <strong>di</strong> regressione. Si ritornerà<br />
più <strong>in</strong> dettaglio sulla funzione anova() nei prossimi laboratori.