R တွင် f ကိန်းဂဏန်းတစ်ခု၏ p တန်ဖိုးကို မည်ကဲ့သို့ တွက်မည်နည်း။

F စမ်းသပ်မှုတစ်ခုသည် F ကိန်းဂဏန်းကိုထုတ်ပေးသည်။ R တွင် F ကိန်းဂဏန်းတစ်ခုနှင့်ဆက်စပ်နေသည့် p-value ကို ရှာဖွေရန်၊ သင်သည် အောက်ပါ command ကိုသုံးနိုင်သည်-

pf(fstat၊ df1၊ df2၊ lower.tail = FALSE)

• fstat – f ကိန်းဂဏန်းတန်ဖိုး
• df1 – လွတ်လပ်မှုဒီဂရီ ၁
• df2 – လွတ်လပ်မှုဒီဂရီ ၂
• Lower.tail – F ဖြန့်ဖြူးမှု၏ အောက်အမြီးနှင့် ဆက်စပ်သော ဖြစ်နိုင်ခြေကို ပြန်ပေးမလား။ ၎င်းသည် မူရင်းအတိုင်း TRUE ဖြစ်သည်။

ဥပမာ၊ လွတ်လပ်မှုဒီဂရီ 1 = 3 နှင့် လွတ်လပ်မှုဒီဂရီ 2 = 14 နှင့် 5 ၏ F ကိန်းဂဏန်းနှင့်ဆက်စပ်နေသည့် p-value ကို မည်သို့ရှာရမည်နည်း။

 pf(5, 3, 14, lower.tail = FALSE)

#[1] 0.01457807

F-test ၏ အသုံးအများဆုံးအသုံးပြုမှုတစ်ခုမှာ ဆုတ်ယုတ်မှုပုံစံတစ်ခု၏ အလုံးစုံအရေးပါမှုကို စမ်းသပ်ရန် ဖြစ်သည်။ အောက်ဖော်ပြပါ ဥပမာတွင်၊ ကျွန်ုပ်တို့သည် ဆုတ်ယုတ်မှုပုံစံအတွက် F ကိန်းဂဏန်း၏ p-တန်ဖိုးကို တွက်ချက်နည်းကို ပြသထားသည်။

ဥပမာ- F ကိန်းဂဏန်းမှ p-တန်ဖိုးကို တွက်ချက်ခြင်း။

ကျွန်ုပ်တို့တွင် လေ့လာခဲ့သည့် စုစုပေါင်းနာရီအရေအတွက်၊ ကြိုတင်ပြင်ဆင်သည့်စာမေးပွဲ စုစုပေါင်းအရေအတွက်နှင့် မတူညီသောကျောင်းသား ၁၂ ဦးအတွက် နောက်ဆုံးစာမေးပွဲအဆင့်ကို ပြသသည့် ဒေတာအတွဲတစ်ခုရှိသည် ဆိုကြပါစို့။

 #create dataset
data <- data.frame(study_hours = c(3, 7, 16, 14, 12, 7, 4, 19, 4, 8, 8, 3),
prep_exams = c(2, 6, 5, 2, 7, 4, 4, 2, 8, 4, 1, 3),
final_score = c(76, 88, 96, 90, 98, 80, 86, 89, 68, 75, 72, 76))

#view first six rows of dataset
head(data)

# study_hours prep_exams final_score
#1 3 2 76
#2 7 6 88
#3 16 5 96
#4 14 2 90
#5 12 7 98
#6 7 4 80

ထို့နောက် ကျွန်ုပ်တို့သည် တုံ့ပြန်မှုကိန်းရှင်အဖြစ် ခန့်မှန်းကိန်းရှင်များနှင့် နောက်ဆုံးရမှတ်များအဖြစ် လေ့လာမှုနာရီများ နှင့် ကြိုတင်ပြင်ဆင်မှုစာမေးပွဲများကို အသုံးပြု၍ ဤဒေတာအတွက် မျဉ်းကြောင်းပြန်ဆုတ်မှုပုံစံကို အံဝင်ခွင်ကျဖြစ်စေနိုင်သည်။ ထို့နောက် မော်ဒယ်၏ရလဒ်ကို မြင်ယောင်နိုင်သည်-

 #fit regression model
model <- lm(final_score ~ study_hours + prep_exams, data = data)

#view output of the model
summary(model)

#Call:
#lm(formula = final_score ~ study_hours + prep_exams, data = data)
#
#Residuals:
# Min 1Q Median 3Q Max 
#-13,128 -5,319 2,168 3,458 9,341 
#
#Coefficients:
#Estimate Std. Error t value Pr(>|t|)    
#(Intercept) 66,990 6,211 10,785 1.9e-06 ***
#study_hours 1.300 0.417 3.117 0.0124 *  
#prep_exams 1.117 1.025 1.090 0.3041    
#---
#Significant. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
#
#Residual standard error: 7.327 on 9 degrees of freedom
#Multiple R-squared: 0.5308, Adjusted R-squared: 0.4265 
#F-statistic: 5.091 on 2 and 9 DF, p-value: 0.0332

ရလဒ်၏နောက်ဆုံးအတန်းတွင်၊ အလုံးစုံဆုတ်ယုတ်မှုပုံစံအတွက် F ကိန်းဂဏန်းသည် 5.091 ဖြစ်သည်ကို ကျွန်ုပ်တို့တွေ့နိုင်သည်။ ဤ F ကိန်းဂဏာန်းသည် ပိုင်းဝေအတွက် လွတ်လပ်မှု 2 ဒီဂရီနှင့် ပိုင်းခြေအတွက် လွတ်လပ်မှု 9 ဒီဂရီ ရှိသည်။ R သည် ဤ F ကိန်းဂဏန်းအတွက် p-value သည် 0.0332 ဖြစ်ကြောင်း အလိုအလျောက်တွက်ချက်သည်။

ဤညီမျှသော p-တန်ဖိုးကို ကျွန်ုပ်တို့ကိုယ်တိုင် တွက်ချက်ရန်အတွက်၊ ကျွန်ုပ်တို့သည် အောက်ပါကုဒ်ကို အသုံးပြုနိုင်ပါသည်။

 pf(5.091, 2, 9, lower.tail = FALSE)

#[1] 0.0331947

အပေါ်က linear regression output အနေဖြင့် ကျွန်ုပ်တို့သည် တူညီသောအဖြေ (သို့သော် ဒဿမနေရာများ ပိုမိုပြသထားသည်) ကို သတိပြုပါ။