总自由度 (DF) 是数据中的信息量。分析使用该信息来估计未知总体参数的值。总自由度由试验中的观测值个数确定。项的自由度显示了项所使用的信息量。增加样本数量可提供有关总体的更多信息,从而增加总自由度。增加模型中项的数量会使用更多信息,这会减少用于估计参数估计值变异性的可用自由度。
连续平方和是对模型不同分量的变异的度量。与调整的平方和不同,连续平方和取决于项输入模型的顺序。在方差分析表中,Minitab 会列出主效应、交互作用和误差项的连续平方和。
调整的平方和是对模型的不同分量变异的度量。模型中各预测变量的顺序不会影响调整的平方和的计算。在方差分析表中,Minitab 会将平方和分成不同的分量,这些分量可描述不同来源导致的变异。
Minitab 使用调整的平方和来计算项的 p 值。Minitab 还使用平方和来计算 R2 统计量。通常,您需解释 p 值和 R2 统计量,而非平方和。
调整的均方度量一个项或模型解释的变异量,假定所有其他项都在模型中,而不论其输入顺序如何。与调整的平方和不同,调整的均方要考虑自由度。
调整的均方误(也称为 MSE 或 s2)是围绕拟合值的方差。
Minitab 使用调整的均方来计算项的 p 值。Minitab 还使用调整的均方来计算调整的 R2 统计量。通常,您需解释 p 值和调整的 R2 统计量,而非调整的均方。
方差分析表针对每个项显示一个 F 值。此 F 值是用于确定项是否与响应相关联的检验统计量。
Minitab 使用 F 值计算 P 值,使用 P 值可以做出有关项的统计显著性的决定。P 值是一个概率,用来测量否定原假设的证据。概率越低,否定原假设的证据越充分。
足够大的 F 值表明项或模型十分显著。
如果要使用 F 值来确定是否要否定原假设,请将 F 值与临界值进行比较。可以在 Minitab 中计算临界值,也可以在大多数统计书籍的 F 分布表中查找临界值。有关使用 Minitab 计算临界值的更多信息,请转到使用逆累积分布函数 (ICDF),然后单击“使用 ICDF 计算临界值”。
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。
要确定响应与模型中每个项之间的关联在统计意义上是否显著,请将该项的 P 值与显著性水平进行比较以评估原假设。原假设声明该项与响应之间没有关联。