วิธีการตีความรหัสความหมายใน r
เมื่อคุณทำการ วิเคราะห์การถดถอย หรือ ANOVA ใน R ตารางผลลัพธ์จะมีค่า p สำหรับตัวแปรที่ใช้ในการวิเคราะห์พร้อมกับ รหัสนัยสำคัญที่เกี่ยวข้อง
รหัสนัยสำคัญเหล่านี้จะแสดงเป็นรูปดาวหรือจุดทศนิยมหากตัวแปรมีนัยสำคัญทางสถิติ
ต่อไปนี้เป็นวิธีการตีความรหัสความหมายต่างๆ:
significance code p-value *** [0, 0.001] **(0.001, 0.01] * (0.01, 0.05] . (0.05, 0.1] (0.1, 1]
ตัวอย่างต่อไปนี้แสดงวิธีการตีความรหัสความหมายเหล่านี้ในทางปฏิบัติ
ตัวอย่าง: รหัสนัยสำคัญการถดถอย
รหัสต่อไปนี้แสดงวิธีปรับโมเดลการถดถอยเชิงเส้นหลายตัวให้พอดีด้วยชุดข้อมูล mtcars ที่ผสานรวมโดยใช้ hp , drat และ wt เป็นตัวแปรทำนาย และ mpg เป็นตัวแปรตอบสนอง:
#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
ต่อไปนี้เป็นวิธีการตีความรหัสนัยสำคัญสำหรับตัวแปรทำนายทั้งสามตัว:
- hp มีค่า p เท่ากับ 0.001178 เนื่องจากค่านี้อยู่ในช่วง (0.001, 0.01] จึงมีรหัสความหมายเป็น **
- drat มีค่า p เท่ากับ 0.198755 เนื่องจากค่านี้อยู่ในช่วง (0,1, 1] จึงไม่มีรหัสความหมาย
- wt มีค่า p เท่ากับ .000364 เนื่องจากค่านี้อยู่ในช่วง [0, 0.001] จึงมีรหัสความหมายเป็น ***
หากเราใช้ระดับอัลฟาที่ α = 0.05 เพื่อพิจารณาว่าตัวทำนายตัวใดมีนัยสำคัญในแบบจำลองการถดถอยนี้ เราจะบอกว่า hp และ wt เป็นตัวทำนายที่มีนัยสำคัญทางสถิติ ในขณะที่ drat ไม่ใช่
ตัวอย่าง: รหัสนัยสำคัญใน ANOVA
โค้ดต่อไปนี้แสดงวิธีปรับโมเดล ANOVA แบบทางเดียวให้พอดีกับชุดข้อมูล mtcars ที่ผสานรวมโดยใช้ เกียร์ เป็นตัวแปรปัจจัยและ mpg เป็นตัวแปรตอบสนอง:
#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
ต่อไปนี้เป็นวิธีการตีความรหัสความหมายในผลลัพธ์:
- การใส่เกียร์ มีค่า p เท่ากับ 0.0054 เนื่องจากค่านี้อยู่ในช่วง (0.001, 0.01] จึงมีรหัสความหมายเป็น **
เมื่อใช้ระดับอัลฟา α = 0.05 เราจะบอกว่า การเข้าเกียร์ มีนัยสำคัญทางสถิติ กล่าวอีกนัยหนึ่ง มีความแตกต่างที่มีนัยสำคัญทางสถิติระหว่าง mpg เฉลี่ยของรถยนต์ตามมูลค่า อุปกรณ์