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

เพิ่มความคิดเห็น

อีเมลของคุณจะไม่แสดงให้คนอื่นเห็น ช่องข้อมูลจำเป็นถูกทำเครื่องหมาย *