python 多元线性回归的系数检验 t p值,多元线性回归检验t检验(P值),F检验,R方等参数的含义...

做线性回归的时候,检验回归方程和各变量对因变量的解释参数很容易搞混乱,下面对这些参数进行一下说明:

1.t检验:t检验是对单个变量系数的显著性检验   一般看p值;    如果p值小于0.05表示该自变量对因变量解释性很强。

2.F检验:F检验是对整体回归方程显著性的检验,即所有变量对被解释变量的显著性检验

394d761c6d75165a3bc42ea6013b17af.png

61c1b79227264c1be3142388ac36b675.png

3.P值:P值就是t检验用于检测效果的一个衡量度,t检验值大于或者p值小于0.05就说明该变量前面的系数显著,选的这个变量是有效的。

4.R方:拟合优度检验

5.调整后的R方:

c01743b938601438eebe47449e3821cf.png

小结:

t检验 --用于对各变量系数显著性检验 --判断标准:一般用p值 0.05来衡量  小于0.05 显著    大于0.05不显著

F检验 --整体回归方程显著性检验(所有自变量对因变量的整体解释) --判定:

4c37eaed276b8078a185af5f426d2cad.png  需查统计分布表来确定

P值:就是用于t检验和F检验的衡量指标。

R方:整体回归方程拟合优度检验,R方的结果越接近于1越好,但是R方会因增加变量而增大,所以引进了调整R方检验。

调整R方:对R方检验的提升,避免受增加变量对R方的影响,配合向后删除模型观测。

不显著的原因概述:不显著有很多原因造成,可能是你的这个变量本身与被解释变量没有相关关系,所以不显著;也可能是解释变量过多,由多重共线性引起,也可能是其他原因。

以上观点不一定完全正确,需进一步参考学习,欢迎大神来指正。

在进行多元线性回归时,常用到的是F检验和t检验,F检验是用来检验整体方程系数是否显著异于零,如果F检验的p值小于0.05,就说明,整体回归是显著的。然后再看各个系数的显著性,也就是t检验,计量经济学中常用的显著性水平为0.05,如果t值大于2或p值小于0.05就说明该变量前面的系数显著不为0,选的这个变量是有用的。

参考文献:

F检验:

F检验(F-test)

最常用的别名叫做联合假设检验(英语:joint hypotheses test),此外也称方差比率检验、方差齐性检验。

它是一种在零假设(null hypothesis, H0)之下,统计值服从F-分布的检验。

其通常是用来分析用了超过一个参数的统计模型,以判断该模型中的全部或一部分参数是否适合用来估计母体。

————————————————

原文链接:https://blog.csdn.net/sinat_25873421/article/details/80889757

R方,调整后的R放,F检验:

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
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。

余额充值