Come interpretare i codici di significato in r

Quando si esegue un’analisi di regressione o ANOVA in R, le tabelle di output contengono valori p per le variabili utilizzate nell’analisi insieme ai codici di significatività corrispondenti .

Questi codici di significatività vengono visualizzati come una serie di stelle o un punto decimale se le variabili sono statisticamente significative.

Ecco come interpretare i diversi codici di significato:

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

Gli esempi che seguono mostrano come interpretare nella pratica questi codici di significato.

Esempio: codici di significatività della regressione

Il codice seguente mostra come adattare un modello di regressione lineare multipla con il set di dati mtcars integrato utilizzando hp , drat e wt come variabili predittive e mpg come variabile di risposta:

 #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

Ecco come interpretare i codici di significatività per le tre variabili predittive:

• hp ha un valore p di 0,001178 . Poiché questo valore è compreso nell’intervallo (0.001, 0.01] , ha un codice di significato **
• drat ha un valore p di 0,198755 . Poiché questo valore è compreso nell’intervallo (0,1, 1] , non ha un codice di significato.
• wt ha un valore p di .000364 . Poiché questo valore è compreso nell’intervallo [0, 0.001] , ha un codice di significato ***

Se utilizzassimo un livello alfa di α = 0,05 per determinare quali predittori fossero significativi in questo modello di regressione, diremmo che hp e wt sono predittori statisticamente significativi mentre drat non lo è.

Esempio: codici di significatività in ANOVA

Il codice seguente mostra come adattare un modello ANOVA unidirezionale con il set di dati mtcars integrato utilizzando gear come variabile fattore e mpg come variabile di risposta:

 #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

Ecco come interpretare il codice di significato nell’output:

• l’ingranaggio ha un valore p di 0,0054 . Poiché questo valore è compreso nell’intervallo (0.001, 0.01] , ha un codice di significato **

Utilizzando un livello alfa di α = 0,05, diremmo che il gearing è statisticamente significativo. In altre parole, esiste una differenza statisticamente significativa tra il mpg medio delle auto in base al valore dell’equipaggiamento .