<\/p>\n
Immer wenn Sie eine lineare Regression in R durchf\u00fchren, wird die Ausgabe Ihres Regressionsmodells im folgenden Format angezeigt:<\/span><\/p>\n Die Spalte Pr(>|t|)<\/strong> stellt den p-Wert dar, der dem Wert in der t-<\/strong> Wertspalte zugeordnet ist.<\/span><\/p>\n Wenn der p-Wert unter einem bestimmten Signifikanzniveau liegt (z. B. \u03b1 = 0,05), wird davon ausgegangen, dass die Pr\u00e4diktorvariable eine statistisch signifikante Beziehung zur Antwortvariablen im Modell hat.<\/span><\/p>\n Das folgende Beispiel zeigt, wie die Werte in der Spalte Pr(>|t|) f\u00fcr ein bestimmtes Regressionsmodell interpretiert werden.<\/span><\/p>\n Angenommen, wir m\u00f6chten ein multiples lineares Regressionsmodell<\/a> mithilfe der Pr\u00e4diktorvariablen x1<\/strong> und x2<\/strong> und einer einzelnen Antwortvariablen y<\/strong> anpassen.<\/span><\/p>\n Der folgende Code zeigt, wie man einen Datenrahmen erstellt und ein Regressionsmodell an die Daten anpasst:<\/span><\/p>\n So interpretieren Sie die Werte in der Spalte Pr(>|t|):<\/span><\/p>\n Die Signifikanzcodes<\/a> unter der Koeffiziententabelle sagen uns, dass ein einzelnes Sternchen (*) neben dem p-Wert von 0,0325 bedeutet, dass der p-Wert bei \u03b1 = 0,05 statistisch signifikant ist.<\/span><\/p>\n So wird der Wert von Pr(>|t|) tats\u00e4chlich berechnet:<\/span><\/p>\n Schritt 1: Berechnen Sie den t-Wert<\/strong><\/span><\/p>\n Zun\u00e4chst berechnen wir den t-Wert<\/strong> nach folgender Formel:<\/span><\/p>\n So berechnen Sie beispielsweise den t-Wert f\u00fcr die Pr\u00e4diktorvariable x1:<\/span><\/p>\n Schritt 2: Berechnen Sie den p-Wert<\/strong><\/span><\/p>\n Als n\u00e4chstes berechnen wir den p-Wert. Dies stellt die Wahrscheinlichkeit dar, dass der Absolutwert der t-Verteilung gr\u00f6\u00dfer als 2,935 ist.<\/span><\/p>\n Wir k\u00f6nnen die folgende Formel in R verwenden, um diesen Wert zu berechnen:<\/span><\/p>\n So berechnen Sie beispielsweise den p-Wert f\u00fcr einen t-Wert von 2,935 mit 5 Restfreiheitsgraden:<\/span><\/p>\n Beachten Sie, dass dieser p-Wert mit dem p-Wert in der obigen Regressionsausgabe \u00fcbereinstimmt.<\/span><\/p>\n Hinweis:<\/strong> Der Wert der verbleibenden Freiheitsgrade steht am Ende der Regressionsausgabe. In unserem Beispiel waren es 5:<\/span><\/p>\n So f\u00fchren Sie eine einfache lineare Regression in R durch<\/a> Immer wenn Sie eine lineare Regression in R durchf\u00fchren, wird die Ausgabe Ihres Regressionsmodells im folgenden Format angezeigt: Coefficients: Estimate Std. Error t value Pr(>|t|) (Intercept) 10.0035 5.9091 1.693 0.1513 x1 1.4758 0.5029 2.935 0.0325 * x2 -0.7834 0.8014 -0.978 0.3732 Die Spalte Pr(>|t|) stellt den p-Wert dar, der dem Wert in der t- Wertspalte […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"yoast_head":"\n Coefficients:\n Estimate Std. Error t value Pr(>|t|) \n(Intercept) 10.0035 5.9091 1.693 0.1513 \nx1 1.4758 0.5029 2.935 0.0325 *\nx2 -0.7834 0.8014 -0.978 0.3732<\/span> \n<\/span><\/strong><\/pre>\n Beispiel: So interpretieren Sie Pr(>|t|)-Werte<\/strong><\/span><\/h3>\n
#create data frame\n<\/span>df <- data. frame<\/span> (x1=c(1, 3, 3, 4, 4, 5, 6, 6),\n x2=c(7, 7, 5, 6, 5, 4, 5, 6),\n y=c(8, 8, 9, 9, 13, 14, 17, 14))\n\n#fit multiple linear regression model\n<\/span>model <- lm(y ~ x1 + x2, data=df)\n\n#view model summary\n<\/span>summary(model)\n\nCall:\nlm(formula = y ~ x1 + x2, data = df)\n\nResiduals:\n 1 2 3 4 5 6 7 8 \n 2.0046 -0.9470 -1.5138 -2.2062 1.0104 -0.2488 2.0588 -0.1578 \n\nCoefficients:\n Estimate Std. Error t value Pr(>|t|) \n(Intercept) 10.0035 5.9091 1.693 0.1513 \nx1 1.4758 0.5029 2.935 0.0325 *\nx2 -0.7834 0.8014 -0.978 0.3732 \n---\nSignificant. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1\n\nResidual standard error: 1.867 on 5 degrees of freedom\nMultiple R-squared: 0.7876, Adjusted R-squared: 0.7026 \nF-statistic: 9.268 on 2 and 5 DF, p-value: 0.0208<\/strong><\/span><\/pre>\n\n
Wie wird Pr(>|t|) eigentlich berechnet?<\/strong><\/span><\/h3>\n
\n
#calculate t-value<\/span>\n1.4758 \/ .5029\n\n[1] 2.934579\n<\/strong><\/pre>\n\n
#calculate p-value<\/span>\n2 * pt( abs<\/span> (2.935), 5, lower. tail<\/span> = FALSE<\/span> )\n\n[1] 0.0324441\n<\/strong><\/span><\/pre>\n Residual standard error: 1.867 on 5<\/span> degrees of freedom\n<\/strong><\/span><\/pre>\n Zus\u00e4tzliche Ressourcen<\/strong><\/span><\/h3>\n
So f\u00fchren Sie eine multiple lineare Regression in R durch<\/a>
So zeichnen Sie mehrere lineare Regressionsergebnisse in R auf<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"