研究從假設來，推導出了模型，就一定要用可靠的檢驗方法來驗證它的可靠性。常用的檢驗方法就是統計學檢驗，主要分為兩塊：
擬合優度檢驗
模型顯著性檢驗
殘差平方和和什麼東西一除，就得到個擬合優度 r2
，怎麼得來的百科裡面都有，書上也很容易能找到；總之這個 r2
是乙個在 (0
,1) 之間的量，越接近1說明擬合得越好。
顧名思義，這個檢驗是要驗證模型是否能夠很明顯地表示出現實情況。
f檢驗的流程大致如此：提出乙個假設，「我認為這個模型對於解釋某種現象沒有顯著作用「，或者說我認為這個模型沒用，進行檢驗此假設，拒絕假設說明模型是顯著的，接受假設說明模型不顯著。
檢驗假設需要用到統計學上的f檢驗。首先查表得到 fα
(k,n
−k−1
) 的值，
α 表示顯著水平，一般取0.05,
k 是變數的個數，
n是樣本量；一般在用eviews或者其他軟體建立模型以後會出現一大堆的英文名詞和數字，在裡面找到f檢驗，如果這個值大於 fα
(k,n
−k−1
) ，那麼我們拒絕最初的假設，說明模型存在顯著性。
最初的假設簡稱「原假設「，老師們喜歡說簡稱，顯得高階，一般他們會這麼說：「f檢驗的值大於標準值，我們拒絕原假設，認為模型存在顯著性。「
一般擬合優度高的模型f檢驗都能通過。
t檢驗也是屬於顯著性檢驗的範圍，它和f檢驗的區別在於：f檢驗是總體來看模型是否有顯著性，而t檢驗研究某個變數的顯著性，因此t檢驗多用於多元回歸分析中。
t檢驗應對的情況是模型整體有顯著性，需要找出是否有「濫竽充數「的變數，所以t檢驗都是對於某個變數進行的，你會聽到讀到的都是「對某某變數進行t檢驗「，「某某變數的t檢驗結果顯示…「。
用eviews或者其他軟體建立模型以後會出現一大堆的英文名詞和數字，裡面就包含了t檢驗值，如果 |t
|>tα
/2(n
−k−1
) 說明變數存在顯著性，反之不存在。n,
k 代表什麼上面說過了。
統計中的t檢驗
1.什麼情況下，應用t檢驗 1.已知總體的均值m，或者我們假設了乙個總體均值m 2.我們知道樣本的個數n，樣本的的方差var，樣本的均值m 3.我們假設總體，或者樣本都是服從正太分布的。2.我們的目的，就是要檢驗這個總體均值m是否合理 3.具體步驟 參考 t檢驗的步驟 1 建立虛無假設h 0 1 2...
統計中的t檢驗
1.什麼情況下，應用t檢驗 1.已知總體的均值m，或者我們假設了乙個總體均值m 2.我們知道樣本的個數n，樣本的的方差var，樣本的均值m 3.我們假設總體，或者樣本都是服從正太分布的。2.我們的目的，就是要檢驗這個總體均值m是否合理 3.具體步驟 參考 t檢驗的步驟 1 建立虛無假設h 0 1 2...
統計中的f檢驗和t檢驗的區別
參考 首先是目的不同。f檢驗用於比較兩種分析方法是否存在顯著差異 單邊檢驗 或者兩種方法緊密度是否存在差異 雙邊檢驗 我記得老師說是用於檢驗新方法是否可行，相當於系統誤差。而t檢驗是利用統計量t，檢驗操作是否存在誤差，或者不同人 不同實驗組 之間是否存在誤差。按這種說法，如果為了徹底檢驗新方法，就得...