菜单
×
   ❮     
HTML CSS JAVASCRIPT SQL PYTHON JAVA PHP How to W3.CSS C C++ C# BOOTSTRAP REACT MYSQL JQUERY EXCEL XML DJANGO NUMPY PANDAS NODEJS R TYPESCRIPT ANGULAR GIT POSTGRESQL MONGODB ASP AI GO KOTLIN SASS VUE DSA GEN AI SCIPY AWS CYBERSECURITY DATA SCIENCE
     ❯   

数据科学 - 回归表:P 值


回归表中的“系数统计”部分

Regression Table - Stats of Coefficients

现在,我们要测试线性回归函数中的系数是否对因变量(Calorie_Burnage)有显著影响。

这意味着我们要证明,使用统计检验,Average_Pulse 和 Calorie_Burnage 之间存在关系。

系数的统计量有四个组成部分:

  • std err 代表标准误差 (Standard Error)
  • t 是系数的“t 值”
  • P>|t| 称为“P 值”
  •  [0.025  0.975] 代表系数的置信区间

在本模块中,我们将重点理解“P 值”。


P 值

P 值是一个统计数字,用于判断 Average_Pulse 和 Calorie_Burnage 之间是否存在关系。

我们测试系数的真实值是否为零(无关系)。对此的统计检验称为假设检验。

  • 低 P 值(< 0.05)表示系数很可能不等于零。
  • 高 P 值(> 0.05)表示我们无法得出解释变量影响因变量的结论(此处:Average_Pulse 是否影响 Calorie_Burnage)。
  • 高 P 值也称为不显著 P 值。

假设检验

假设检验是一种统计程序,用于测试您的结果是否有效。

在我们的例子中,我们正在测试 Average_Pulse 和截距的真实系数是否等于零。

假设检验有两个陈述。零假设和备择假设。

  • 零假设可以简写为 H0
  • 备择假设可以简写为 HA

数学表达式为:

H0: Average_Pulse = 0
HA: Average_Pulse ≠ 0
H0: Intercept = 0
HA: Intercept ≠ 0

符号 ≠ 表示“不等于”


假设检验和 P 值

零假设可以被拒绝,也可以不被拒绝。

如果我们拒绝零假设,我们得出结论:Average_Pulse 和 Calorie_Burnage 之间存在关系。P 值用于此结论。

P 值的常见阈值是 0.05。

注意: P 值为 0.05 意味着我们有 5% 的几率错误地拒绝零假设。这意味着我们接受 5% 的几率我们可能错误地得出了存在关系的结论。

如果 P 值低于 0.05,我们可以拒绝零假设,并得出结论:变量之间存在关系。

然而,Average_Pulse 的 P 值为 0.824。因此,我们无法得出 Average_Pulse 和 Calorie_Burnage 之间存在关系的结论。

这意味着 Average_Pulse 的真实系数为零的可能性为 82.4%。

截距用于更精确地调整回归函数的预测能力。因此,解释截距的 P 值并不常见。


×

联系销售

如果您想将 W3Schools 服务用于教育机构、团队或企业,请发送电子邮件给我们
sales@w3schools.com

报告错误

如果您想报告错误,或想提出建议,请发送电子邮件给我们
help@w3schools.com

W3Schools 经过优化,旨在方便学习和培训。示例可能经过简化,以提高阅读和学习体验。教程、参考资料和示例会不断审查,以避免错误,但我们无法保证所有内容的完全正确性。使用 W3Schools 即表示您已阅读并接受我们的使用条款Cookie 和隐私政策

版权所有 1999-2024 Refsnes Data。保留所有权利。W3Schools 由 W3.CSS 提供支持