आर में अर्थ कोड की व्याख्या कैसे करें

जब आप आर में प्रतिगमन विश्लेषण या एनोवा करते हैं, तो आउटपुट तालिकाओं में संबंधित महत्व कोड के साथ विश्लेषण में उपयोग किए गए चर के लिए पी-मान होते हैं।

यदि चर सांख्यिकीय रूप से महत्वपूर्ण हैं तो ये महत्व कोड सितारों की श्रृंखला या दशमलव बिंदु के रूप में प्रदर्शित होते हैं।

यहां विभिन्न अर्थ कोडों की व्याख्या करने का तरीका बताया गया है:

 significance code p-value
   *** [0, 0.001]
    **(0.001, 0.01]
     * (0.01, 0.05]
     . (0.05, 0.1]
                         (0.1, 1]

निम्नलिखित उदाहरण दिखाते हैं कि व्यवहार में इन अर्थ कोडों की व्याख्या कैसे की जाए।

उदाहरण: प्रतिगमन महत्व कोड

निम्नलिखित कोड दिखाता है कि भविष्यवक्ता चर के रूप में एचपी , ड्रैट और डब्ल्यूटी और प्रतिक्रिया चर के रूप में एमपीजी का उपयोग करके एकीकृत एमटीकार्स डेटासेट के साथ एकाधिक रैखिक प्रतिगमन मॉडल को कैसे फिट किया जाए:

 #fit regression model using hp, drat, and wt as predictors
model <- lm(mpg ~ hp + drat + wt, data = mtcars)

#view model summary
summary(model)

Call:
lm(formula = mpg ~ hp + drat + wt, data = mtcars)

Residuals:
    Min 1Q Median 3Q Max 
-3.3598 -1.8374 -0.5099 0.9681 5.7078 

Coefficients:
             Estimate Std. Error t value Pr(>|t|)    
(Intercept) 29.394934 6.156303 4.775 5.13e-05 ***
hp -0.032230 0.008925 -3.611 0.001178 ** 
drat 1.615049 1.226983 1.316 0.198755    
wt -3.227954 0.796398 -4.053 0.000364 ***
---
Significant. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1

Residual standard error: 2.561 on 28 degrees of freedom
Multiple R-squared: 0.8369, Adjusted R-squared: 0.8194 
F-statistic: 47.88 on 3 and 28 DF, p-value: 3.768e-11

यहां बताया गया है कि तीन भविष्यवक्ता चर के लिए महत्व कोड की व्याख्या कैसे करें:

• एचपी का पी-वैल्यू 0.001178 है। चूँकि यह मान (0.001, 0.01] की सीमा में है, इसका अर्थ कोड ** है
• ड्रैट का पी-वैल्यू 0.198755 है। चूँकि यह मान (0,1, 1] श्रेणी में है, इसका कोई अर्थ कोड नहीं है।
• wt का p-मान .000364 है। चूँकि यह मान [0, 0.001] की सीमा में है, इसका अर्थ कोड *** है

यदि हमने यह निर्धारित करने के लिए α = 0.05 के अल्फा स्तर का उपयोग किया कि इस प्रतिगमन मॉडल में कौन से भविष्यवक्ता महत्वपूर्ण थे, तो हम कहेंगे कि एचपी और डब्ल्यूटी सांख्यिकीय रूप से महत्वपूर्ण भविष्यवक्ता हैं जबकि ड्रैट नहीं है।

उदाहरण: एनोवा में महत्व कोड

निम्नलिखित कोड दिखाता है कि कारक चर के रूप में गियर और प्रतिक्रिया चर के रूप में एमपीजी का उपयोग करके एकीकृत एमटीकार्स डेटासेट के साथ एक-तरफ़ा एनोवा मॉडल को कैसे फिट किया जाए:

 #fit one-way ANOVA
model <- aov(mpg ~ gear, data = mtcars)

#view the model output
summary(model)

            Df Sum Sq Mean Sq F value Pr(>F)   
gear 1 259.7 259.75 8.995 0.0054 **
Residuals 30 866.3 28.88                  
---
Significant. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1

यहां आउटपुट में अर्थ कोड की व्याख्या करने का तरीका बताया गया है:

• गियरिंग का पी-वैल्यू 0.0054 है। चूँकि यह मान (0.001, 0.01] की सीमा में है, इसका अर्थ कोड ** है

α = 0.05 के अल्फा स्तर का उपयोग करते हुए, हम कहेंगे कि गियरिंग सांख्यिकीय रूप से महत्वपूर्ण है। दूसरे शब्दों में, कारों के उपकरण मूल्य के आधार पर उनके औसत एमपीजी के बीच सांख्यिकीय रूप से महत्वपूर्ण अंतर है।