Anzahl der DF in der p-Wert-Berechnung aus dem t-Verhältnis in der Parameterschätzungstabelle (Standard der kleinsten Quadrate)Hallo,
Ich habe vielleicht eine triviale Frage, aber ich habe nirgendwo anders eine Antwort gefunden.
Ich verwende ein lineares Regressionsmodell mit standardmäßigen kleinsten Quadraten (DOE mit DSD). In der Parameterschätzungstabelle (im beigefügten Bild) sind t-Verhältnisse und p-Werte (Prob > ItI) für jeden im Modell enthaltenen Effekt zu sehen. Ich frage mich, was im Test kritisch ist oder anders ausgedrückt, was das ist verwendete Anzahl von Freiheitsgraden für den zweiseitigen t-Test mit 5 % Signifikanzniveau.
Mit Versuch und Irrtum habe ich herausgefunden, dass es die Anzahl der Freiheitsgrade ist, die für Fehler verwendet werden. Es erscheint mir auch seltsam, dass die Wahrscheinlichkeiten von F ratio die gleichen sind wie von t ratio. Könntest du bitte die Logik dahinter erklären? Warum werden nicht alle Freiheitsgrade genutzt (im Beispiel 16 statt 11)?
Danke Danijel
Betreff: Anzahl der DF in der p-Wert-Berechnung aus dem t-Verhältnis in der Parameterschätzungstabelle (Standard der kleinsten Quadrate)Sie sollten sich das Kapitel Statistikdetails in ansehen Hilfe > Bücher > Anpassen von linearen Modellen .
Das t Verhältnisse verwenden den Fehler DF. Sie können die JSL-Funktion verwenden q = t Quantile( Wahrscheinlichkeit, df ) um das „kritische“ Quantil zu erhalten. Verwenden p /2 für den zweiseitigen Fall. Sehen Hilfe > Scripting-Index > Funktionen > Wahrscheinlichkeit > t-Quantil .
Bei einem ausgewogenen Design (Ihr Fall) ist die F Verhältnisse und t Verhältnisse testen die gleiche Hypothese. Also die F Verhältnis ist das Quadrat von t Verhältnis. Sie müssen das gleiche ergeben p Wert in diesem speziellen Fall.
Sie verstehen 'Freiheitsgrade' nicht. Die Summe der Quadrate enthält mehr Terme als die Menge unabhängiger Informationen. Der DF ist also in den mittleren Quadraten korrekt. Wenn Sie beispielsweise 15 Parameter schätzen würden, hätten Sie nur noch 1 DF an unabhängigen Informationen, um die Schätzungen zu bewerten. Sie können nicht ' Iss deinen Kuchen und hab ihn auch .'
