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 .