JMP の多重線形回帰モデルの場合、Lack of Fit の p 値検定 (Prob > F) の値は、モデル全体が有意であるかどうかを示していると思いますか? 値が0.05 の場合、そのモデルは統計的に有意であると見なされますか? では、分散分析の使用は何ですか、または結果の結果の (Prob > F) 値に役立つものはありますか? モデルの場合、値が統計的に有意でない (値が 0.05 より大きい) かどうかがわからない場合、そのモデルは従属変数と独立変数の間の関係をまったく説明できないと想定する必要がありますか? 前もって感謝します。
やあ@shuddha7435 、
以下では、あなたの質問を 1 つずつ取り上げますが、一般的な重回帰の概要からさらに多くの価値を得ることができると思います。 にモジュールがあります。産業問題解決のための統計的思考それだけのオンライン コースです。完全無料のオンライン コースです。サインアップしてすぐにアクセスできます: https://www.jmp.com/statisticalthinking.
1. 不適合テスト: JMP の不適合テストは、一般的に言えば、モデルが過小評価されているかどうかをテストするものです。 つまり、モデルに重要な項/予測変数が欠落しているかどうかです。 帰無仮説を棄却することは、データを適切に説明するために、より複雑なモデルを適合させる必要があるという証拠です (不適合検定はこれを独創的な方法で行いますが、それはこの記事の範囲を超えています. 不適合テストの詳細については、 JMP ドキュメント）。 この検定は、モデルの統計的有意性の一般的な検定ではありません。少なくとも 1 つの係数が非ゼロであるという証拠があるかどうかの検定ではありません。
2.分散表の分析: ANOVA テーブルには、モデル全体だけでなく、両方のエラーの二乗和と平均二乗を含む、モデル全体の統計が表示されます。 この表の p 値は、オムニバス検定と呼ばれるものであり、モデルが全体として、この複雑さのモデルで偶然予想されるよりも多くの Y の変動を説明するかどうかの検定です (つまり、次数が同じである)。予測に使用される自由度)。 ここで null を棄却する (たとえば 0.05 などのアルファよりも小さい p 値) ことは、私たちのモデルが Y の変動を偶然に予想されるよりも多く説明しているという証拠です。またはそれ以上の予測子が、母集団の Y と真の関係にあります。 パラメータ推定表は、各予測子の係数とそれに関連する p 値を表示し、予測子が母集団にゼロ以外のパラメータを持つという証拠があるかどうかをテストするので、より有益であると思います。
3. null を拒否しない:提示されたアルファ値よりも大きい p 値 (例: p > 0.05) は、帰無仮説を棄却せず、結果が統計的に有意であるとは言えません。 これは、モデルが Y 変数の変動を説明しないことを意味するのではなく、モデルが説明する Y の変動量が偶然に合理的に起因する可能性があるということです。 Y と予測子の間に観察される関係の説明として、偶然を確実に拒否する十分な証拠はまだないということです。 ここでもう 1 つ注目すべき点があります。これについて、せっかちな発言をしたことをお許しください。できない帰無仮説を棄却できないことを、番号効果。 統計的問題と認識論的問題の両方が関係しており、それらはすべてこの投稿の範囲を超えていますが、覚えておく価値があります。帰無仮説を決して受け入れない頻度論的仮説検定フレームワークで。
これでいくつかのことが明確になることを願っています。産業問題解決のための統計的思考オンラインコース。
@ジュリアン
