拟合混合响应模型的系数表

请在系数表中查找每个统计量的定义和解释指导。

系数

系数表提供固定因子项的各个水平的系数和协变量项的系数。固定因子项在特定水平下的系数用于描述与其余因子水平相比,该因子水平对响应的效应。协变量项的系数表示项和响应之间的线性关系的大小和方向。

解释

对每个系数的解释取决于系数是用于固定因子项还是用于协变量项:
固定因子项

固定因子项的系数可显示项的水平均值之间有何不同。您也可以对项执行多重比较分析来进一步将水平效应划分为统计意义上相同或不同的组。

协变量项

协变量项的系数表示与该项中每单位变化相关的均值响应的变化,同时模型中的其他项保持不变。系数的符号表明项与响应之间关系的方向。通常,系数的大小可提供用于评估项对于响应变量是否具有实际显著影响的较好方式。

系数标准误

如果反复从同一总体中取样,系数的标准误会估计您将获取的系数估计值之间的变异性。计算假定模型项和样本数量在反复取样的情况下保持一致。

解释

使用系数的标准误来测量系数估计值的精确度。标准误越小,估计值越精确。通过将系数除以其标准误计算 t 值。如果与此 t 统计量关联的 p 值小于显著性水平,则得出系数与 0 显著不同的结论。

自由度

自由度 (DF) 是数据中的信息量。Minitab 使用自由度为系数构建 t 检验。

系数的置信区间(95% 置信区间)

这些置信区间 (CI) 是可能包含模型中固定效应项的实际系数值的值范围。

由于样本的随机性,来自总体的两个样本不可能生成相同的置信区间。但是如果随机取样多次,则所获得的特定百分比的置信区间会包含未知的总体参数。这些包含参数的置信区间的百分比是区间的置信水平。

置信区间由以下两部分组成:
点估计
此单个值通过使用样本数据来估计总体参数。置信区间集中在此点估计值附近。
边际误差
边际误差定义了置信区间的宽度并由样本、样本数量和置信水平中的观测变异性确定。要计算置信区间的上限,需要将边际误差与点估计值相加。要计算置信区间的下限,需要从点估计值减去边际误差。

解释

如果置信水平为 95%,则置信区间包含相应系数的实际值的可信度为 95%。置信区间有助于评估结果的实际意义。使用您的专业知识可以确定置信区间是否包括对您的情形有实际意义的值。如果区间因太宽而毫无用处,请考虑增加样本数量。

T 值

t 值用来测量系数与其标准误之间的比值。

解释

Minitab 使用 t 值计算 p 值,该 p 值可用于检验系数是否与 0 显著不同。

您可以使用 t 值来确定是否要否定原假设。但是,通常会使用 p 值,因为无论自由度是多少,否定原假设的阈值都相同。有关使用 t 值的更多信息,请转到使用 t 值来确定是否要否定原假设

P 值 – 系数

P 值是一个概率,用来度量否定原假设的证据。概率越低,否定原假设的证据越充分。

解释

要确定系数是否与 0 显著不同,请将系数的 p 值与显著性水平进行比较。通常,显著性水平(用 α 或 alpha 表示)为 0.05 即可。显著性水平 0.05 表示在实际上不存在影响时得出存在影响的风险为 5%。

P 值 ≤ α:系数在统计意义上不为 0

如果 p 值小于或等于显著性水平,则可以得出系数与 0 显著不同的结论。

P 值 > α:系数并非在统计意义上不为 0
如果 p 值大于显著性水平,则无法得出系数与 0 显著不同的结论。
使用此网站,即表示您同意对数据分析和个性化内容使用 Cookie。  请阅读我们的政策