根据参数估计表中的 t 比率计算 p 值中的 DF 数（标准最小二乘法）你好，
我可能有一个微不足道的问题，但是我在其他任何地方都找不到答案。
我正在使用标准最小二乘法（使用 DSD 制作的 DOE）运行线性回归模型。 在参数估计表（在附图中）中，可以看到模型中每个包含的效应的 t 比率和 p 值（Prob > ItI）。 我想知道在测试中什么是不重要的，或者换句话说，什么是最重要的使用的自由度数对于具有 5% 显着性水平的两侧 t 检验。
通过反复试验，我发现它是用于错误的自由度数。 在我看来也很奇怪，F 比率的概率与 t 比率的概率相同。 你能解释一下它背后的逻辑吗？ 为什么不使用所有的自由度（例如 16 而不是 11）？
谢谢，丹尼尔
回复：根据参数估计表中的 t 比率计算 p 值中的 DF 数（标准最小二乘法）您应该查看 Statistic Details 章节帮助>图书>拟合线性模型.
这吨比率使用误差 DF。 您可以使用 JSL 功能q = t 分位数（概率，df）获得“临界”分位数。 利用p /2 用于双面情况。 看帮助>脚本索引>功能>可能性> t 分位数.
在平衡设计的情况下（您的情况）， F比率和吨比率检验相同的假设。 所以F比率是平方吨比率。 它们必须产生相同的p在这种特殊情况下的价值。
你不理解“自由度”。 平方和包含的项比独立信息的数量多。 所以 DF 在均方中纠正了这一点。 例如，如果您估计了 15 个参数，那么您将只剩下 1 个 DF 的独立信息来评估估计值。 你不能 '吃你的蛋糕，也有它。
