Nombre de DF dans le calcul de la valeur p à partir du rapport t dans le tableau des estimations des paramètres (moindres carrés standard)Bonjour,
J'ai peut-être une question triviale, mais je n'ai trouvé de réponse nulle part ailleurs.
J'utilise un modèle de régression linéaire avec les moindres carrés standard (DOE réalisé avec DSD). Dans le tableau Estimations des paramètres (dans l'image ci-jointe), les ratios t et les valeurs p (Prob > ItI) peuvent être consultés pour chaque effet inclus dans le modèle. Je me demande ce qui est critique dans le test ou pour mettre d'une autre manière quel est le nombre de degrés de liberté utilisé pour le test t bilatéral avec 5 % de niveau de signification.
Avec des essais et des erreurs, j'ai compris que c'était le nombre de degrés de liberté utilisés pour l'erreur. Il me semble également étrange que les probabilités du rapport F soient les mêmes que celles du rapport t. Pourriez-vous s'il vous plaît expliquer la logique derrière cela? Pourquoi tous les degrés de liberté ne sont-ils pas utilisés (16 dans l'exemple au lieu de 11) ?
Merci Danijel
Re : Nombre de DF dans le calcul de la valeur p à partir du rapport t dans le tableau des estimations des paramètres (moindres carrés standard)Vous devriez consulter le chapitre Détails des statistiques dans Aider > Livres > Ajustement de modèles linéaires .
La t les ratios utilisent l'erreur DF. Vous pouvez utiliser la fonction JSL q = t Quantile( probabilité, df ) pour obtenir le quantile « critique ». Utilisation p /2 pour le cas bilatéral. Voir Aider > Index des scripts > Les fonctions > Probabilité > t Quantile .
Dans le cas d'une conception équilibrée (votre cas), le F rapports et t les ratios testent la même hypothèse. Alors le F rapport est le carré de t rapport. Ils doivent donner le même p valeur dans ce cas particulier.
Vous ne comprenez pas les "degrés de liberté". La somme des carrés comprend plus de termes que la quantité d'informations indépendantes. Donc, le DF corrige cela dans les carrés moyens. Si vous estimiez 15 paramètres, par exemple, il ne vous resterait plus qu'un DF d'informations indépendantes pour évaluer les estimations. Vous ne pouvez pas ' Mange ton gâteau et prends-le aussi .'
