回归中的零模型是什么？它与零假设有何关系？

回归中的零模型是什么，零模型与零假设之间的关系是什么？

以我的理解，这是否意味着

• 使用“响应变量的平均值”来预测连续响应变量？
• 使用“标签分布”来预测离散响应变量？

如果真是这样，那么零假设之间的联系似乎缺失了。

不，我会说“无效模型”与“无效假设”本质上具有相同的含义：如果无效假设为真，则该模型。当然，在特定情况下，这意味着什么取决于具体的零假设。

不考虑任何预测变量的“平均值”（您可能想说“响应变量的边际分布”）的解释是一种可能性，对应于“综合检验”的零假设，检验所有参数（截距除外）。

但是，利益很可能集中在以下形式的模型 ，其中X 1包含您所知道的影响结果的预测，所以都不想进行测试，而x 2包含要测试的预测变量。

所以零假设将并且将是空模型 ÿ 我 = β 0 + β Ť 1 X 1 我 + ε 我。因此，这取决于。$\beta_2 =0$$y_i = \beta_0 + \beta_1^T x_{1i} + \epsilon_i$

无效模型与无效假设有关。采用以下单变量模型：

$Y=\alpha+\beta_{1}X + \epsilon$

$\beta_{1}$

$H_{0}: \beta_{1}=0$

$H_{A}: \beta_{1}\neq 0$

$\beta_{1}X$

$Y = \alpha + \epsilon$

$Y$

在其他两个答案中部分描述的回归中，零模型是所有回归参数均为0的零假设。因此，您可以将其解释为，在零假设下，没有趋势，并且新模型的最佳估计/预测变量观察值是在没有拦截的情况下为0的平均值。