合計自由度は（DF）、データに含まれる情報量のことです。分析では、この情報を使用して、未知の母集団パラメータの値を推定します。合計自由度は、データの行数から1を引いた数です。項の自由度は、その項が使用する情報量を示します。モデルの項数が増えるとより多くの情報を使用することになり、誤差の自由度が減少します。誤差の自由度は、パラメータの推定に利用できる情報です。
調整済みの逸脱度は、モデル内の異なる構成要素の変動の測度です。モデルの予測変数の順序は調整済みの逸脱度の計算に影響を与えません。逸脱度表では、逸脱度は、異なる要因による逸脱度を説明する構成要素に分けられます。
Minitabでは、調整済み逸脱度を使用して項のp値を計算します。調整済み逸脱度を使用して、R2統計量を計算することもできます。通常、調整済み逸脱度ではなくp値とR2統計量を解釈します。
調整済み平均逸脱度は、項またはモデルが各自由度の逸脱度をどれだけ説明づけるかを測定します。各項の調整済み平均逸脱度の計算では、モデル内にすべての他の項があると仮定します。
Minitabでは、調整済み平均逸脱度を使用して項のp値を計算します。通常は、調整済み平均平方の代わりにp値を解釈します。
検定のために逐次逸脱度を「使用する」に指定すると、逐次逸脱度を使用して回帰モデルのp値と各項を計算します。通常、逐次逸脱度ではなくp値を解釈します。
逐次平均逸脱度は、項またはモデルが各自由度の逸脱度をどれだけ説明づけるかを測定します。逐次平均逸脱度の計算は、項がモデルに入力される順序によって決まります。
Minitabでは、逐次平均逸脱度を使用して項のp値を計算します。通常は、逐次平均平方の代わりにp値を解釈します。
寄与度には、逸脱度表の各要因が合計逐次逸脱度に寄与するパーセンテージを表示します。
パーセンテージが高い場合、応答変数の中で要因が逸脱度よりも大きな割合を占めていることを示します。回帰モデルの寄与率は逸脱度R2と同じです。
逸脱度表の各項には尤度比検定のカイ二乗値があります。カイ二乗値は、項またはモデルに応答との関連があるかどうかを判断する検定統計量です。
Minitabではカイ二乗統計量を使用してp値を計算し、この値に基づいて、項およびモデルの統計的有意性を判断します。p値は帰無仮説を棄却するための証拠を測定する確率です。確率が低いほど、帰無仮説を棄却する強力な証拠となります。カイ二乗統計量が十分に大きいとp値は小さくなり、項またはモデルが統計的に有意であることを示します。
p値は帰無仮説を棄却するための証拠を測定する確率です。確率が低いほど、帰無仮説を棄却する強力な証拠となります。
逸脱表で表示される検定は尤度比検定です。係数表の拡張表に表示されるのはワルドの近似検定です。サンプルが小さい場合、尤度比検定のほうがワルドの近似検定よりも正確になります。
p値は帰無仮説を棄却するための証拠を測定する確率です。確率が低いほど、帰無仮説を棄却する強力な証拠となります。
逸脱表で表示される検定は尤度比検定です。係数表の拡張表に表示されるのはワルドの近似検定です。サンプルが小さい場合、尤度比検定のほうがワルドの近似検定よりも正確になります。