JMP의 다중 선형 회귀 모델의 경우 적합성 부족의 p 값 테스트(Prob > F) 값이 전체 모델이 유의한지 여부를 의미한다고 가정합니다. 값이 다음보다 작은 경우입니까? 0.05 그러면 모델을 통계적으로 유의한 것으로 간주합니까? 그렇다면 분산 분석의 용도는 무엇입니까? 또는 결과 결과에 대한 (Prob > F) 값에 도움이 되는 것이 있습니까? 모델의 경우 값이 통계적으로 유의하지 않은지(값이 0.05보다 큼) 확인되지 않으면 모델이 종속 변수와 독립 변수 간의 관계를 전혀 설명할 수 없다고 가정해야 합니까? 미리 감사드립니다.
안녕 @shuddha7435 ,
아래에서 각 질문에 대해 한 번에 하나씩 설명하겠지만, 일반적으로 다중 회귀에 대한 개요를 통해 더 많은 가치를 얻을 수 있을 것입니다. 에 모듈이 있습니다. 산업 문제 해결을 위한 통계적 사고 완전 무료 온라인 과정입니다.다음에서 가입하고 즉시 액세스할 수 있습니다. https://www.jmp.com/statisticalthinking.
1. 적합성 테스트 부족: JMP의 적합성 결여 검정은 일반적으로 모델이 과소 지정되었는지 여부에 대한 검정입니다. 즉, 모델에 중요한 항/예측 변수가 누락되었는지 여부입니다. 귀무 가설을 기각하는 것은 데이터를 적절하게 설명하기 위해 더 복잡한 모델을 피팅해야 한다는 증거입니다(적합 테스트 부족은 이를 독창적인 방식으로 수행하지만 이는 이 게시물의 범위를 벗어납니다. 적합성 검사 결여에 대한 자세한 내용은 JMP 문서 ). 이 테스트는 모델에 대한 통계적 유의성에 대한 일반적인 테스트가 아닙니다. 적어도 하나의 계수가 0이 아니라는 증거가 있는지 여부에 대한 테스트가 아닙니다.
2. 분산표 분석: ANOVA 테이블은 두 오차와 전체 모델에 대한 제곱합과 평균 제곱을 포함한 전체 모델 통계를 표시합니다. 이 표의 p-값은 옴니버스 테스트라고 부를 수 있는 것으로, 모델 전체가 이 복잡성의 모델에 대해 우연히 예상되는 것보다 더 많은 Y 변동을 설명하는지 여부에 대한 테스트입니다(즉, 예측에 사용된 자유도). 여기서 null을 거부하면(예: 알파보다 작은 p-값, 예를 들어 0.05), 우리 모델이 우연히 예상하는 것보다 더 많은 Y 변동을 설명한다는 증거입니다. 하나 이상의 예측 변수가 모집단에서 Y와 진정한 관계를 갖습니다. Parameter Estimates 테이블은 각 예측 변수와 관련 p-값에 대한 계수를 표시하고 예측 변수가 모집단에 0이 아닌 매개변수를 가지고 있다는 증거가 있는지 테스트하기 때문에 더 많은 정보를 제공합니다.
3. null 거부 실패: 명시된 알파 값보다 큰 p-값(예: p > 0.05)은 결과가 통계적으로 유의하다고 말할 수 없도록 귀무 가설을 기각하지 않도록 합니다. 이것은 모델이 Y 변수의 변동을 설명하지 않는다는 것을 의미하지 않으며, 단순히 모델이 설명하는 Y 변동의 양이 합리적으로 우연에 기인할 수 있음을 의미합니다. Y와 예측 변수 사이에서 관찰한 관계에 대한 설명으로 확률을 확실하게 거부할 수 있는 충분한 증거가 아직 없다는 것입니다. 여기서 한 가지 더 언급할 가치가 있습니다. 이 문제에 대해 이야기를 하는 저를 용서해야 합니다. 귀무 가설(예: p < 0.05)을 효과에 대한 증거로 기각하는 것으로 간주할 수 있지만, 할 수 없다 귀무가설을 기각하지 못하는 것을 아니요 효과. 통계적 문제와 인식론적 문제가 모두 관련되어 있으며 모두 이 게시물의 범위를 벗어납니다. 그러나 우리가 귀무가설을 절대 받아들이지 않는다 빈도주의 가설 테스트 프레임워크에서.
이것으로 몇 가지 사항이 명확해지기를 바랍니다. 산업 문제 해결을 위한 통계적 사고 온라인 코스.
@줄리안
