数据科学线性回归 P 值 |
您所在的位置:网站首页 › 简单线性回归方程统计检验的统计量怎么算 › 数据科学线性回归 P 值 |
❮ 上一节
下一节 ❯
数据科学- 回归表:P值
回归表中的 "系数部分的统计"
现在,我们要测试线性回归函数的系数是否对因变量 (Calorie_Burnage) 有显着影响。 这意味着我们要使用统计测试来证明 Average_Pulse 和 Calorie_Burnage 之间存在关系。 解释系数统计的成分有四个: std err 代表标准错误 t 是系数的"t值" P>|t| 被称为"P值" [0.025 0.975]表示系数的置信区间我们将重点了解本模块中的 "P 值"。 P 值P 值是一个统计数字,用于推断 Average_Pulse 和 Calorie_Burnage 之间是否存在关系。 我们测试系数的真实值是否等于零(无关系)。 对此的统计检验称为假设检验。 低 P 值 (< 0.05) 意味着系数可能不等于零。 高 P 值 (> 0.05) 意味着我们无法得出解释变量影响因变量的结论(此处:如果 Average_Pulse 影响 Calorie_Burnage)。 高 P 值也称为不显着的 P 值。 假设检验假设检验是一种统计程序,用于检验您的结果是否有效。 在我们的示例中,我们正在测试 Average_Pulse 的真实系数和截距是否等于 0。 假设检验有两个陈述。 原假设和备择假设。 原假设可以简写为 H0 备择假设可以简写为 HA数学写法: H0: Average_Pulse = 0 HA: Average_Pulse ≠ 0H0: Intercept = 0 HA: Intercept ≠ 0标志 ≠ 表示 "不等于" 假设检验和 P 值原假设可以被拒绝,也可以不被拒绝。 如果我们拒绝原假设,我们会得出结论,Average_Pulse 和 Calorie_Burnage 之间存在关系。 此结论使用 P 值。 P 值的常见阈值是 0.05。 注意: P 值为 0.05 意味着 5% 的时间,我们会错误地拒绝原假设。 这意味着我们接受 5% 的情况下,我们可能错误地缔结了一段关系。 如果 P 值低于 0.05,我们可以拒绝原假设并得出变量之间存在关系的结论。 但是,Average_Pulse 的 P 值为 0.824。 因此,我们无法得出 Average_Pulse 和 Calorie_Burnage 之间的关系。 表示Average_Pulse的真实系数为0的概率为82.4%。 截距用于调整回归函数更精确地预测的能力。 因此,解释截距的 P 值并不常见。 ❮ 上一节 下一节 ❯ |
今日新闻 |
推荐新闻 |
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |