多元线性回归中的F-test和T-test

最新推荐文章于 2025-04-12 23:34:46 发布

balabalahoo

最新推荐文章于 2025-04-12 23:34:46 发布

阅读量2.7k

点赞数

分类专栏：工具数据文章标签：线性回归 python 机器学习

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/m0_46268055/article/details/125352423

版权

工具同时被 2 个专栏收录

42 篇文章 ¥9.90 ¥99.00

订阅专栏

超级会员免费看

13 篇文章 ¥9.90 ¥99.00

订阅专栏

超级会员免费看

本文通过实例介绍了多元线性回归中F-test和T-test的应用。F-test用于检验模型整体的显著性，结果显示广告支出与销售之间有强关系。T-test则用于检查单个预测因子的显著性，发现报纸广告支出的p值较大，统计上不显著，可能可以被剔除以优化模型。在考虑相互影响时，即使特征的p值不显著，也应该包含其交互项，遵循层次原则。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

在这里插入图片描述
¹

举个例子
模型输出的p值检验为F检验
模型输入的p值检验为T检验

原理：
后续补充

先上代码²：

在这里插入图片描述

import pandas as pd
import numpy as np
import matplotlib

了解本专栏

超级会员免费看

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

打赏作者

balabalahoo 你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20

扫码支付：¥1

获取中

扫码支付

您的余额不足，请更换扫码支付或充值

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。