Die Anleitung zum Signifikanztest zum Abschluss der linearen Regression findest Du (sinnigerweise) im Skript auf Seite 138. Das ist dort prägnanter erklärt, als das was ich in der Vorlesung dazu mitgeschrieben habe.
Am Beispiel der Übungsaufgabe aus der VL (sorry, kein LaTex):

Signifikanztest der Regressionsgeraden (F-Test)

F[emp]
= R² / ( 1- R² / (n-2))
= R² * (n-2) / (1- R²)
= 7,36


Freiheitsgrad: 1/8; a=0.05 --------->F[th] = 5,32 < F[emp]

---> H0 ablehnen ---------> Modell erklärt irgendwas

[U]Signifikanztest der Regressionskoeffizienten (T-Test)[/U] Die errechneten Werte weichen teilweise etwas von denen aus der Vorlesung ab, ich habe mich jetzt an das Skript gehalten anstatt an den in der VL gezeigten Weg. STD...Standardabweichung VAR...Varianz t[emp] = (b-b0) / STD(b) STD(b)[sup]2[/sup] = VAR[geschätzt](b) = VAR(e[i]) / (VAR(x)*n) e[i] = y[i] - y[i, geschätzt] ... für alle y[i] rechnen .... ... erhaltene e[i] quadrieren ... aufsummieren = 1506,8 ... das brauchen wir weiter, (Kontrolle: Summe(e[i]) := 0) VAR(e) = SUM(e[i]) / n = 1506,8 / 10 = 150,68 nun können wir: VAR[geschätzt](b) = 150,68 / (19,73*10) = 0,7637 ---> Quadratwurzel = STD(b) = 0,87 {siehe oben} TATA!!!! t[emp] = (5,2274 - 0) / 0,87 = 6,01 ----> t-Tabelle t[th, 8 FG, 0,975] = 2,306 < t[emp] --> Antwort: Mit 95%iger Wahrscheinlichkeit beträgt b auch in der Grundgesamtheit 5,2274. Halleluja!

müssen wir immer beide tests durchführen? also der f-test ist ja schnell gemacht, aber der t-test scheint mir schon n bissl zu dauern...
meinungen?