自由度 (DF) 提供有关相关奇方测试统计分布的信息。连续预测器使用 1 度自由度。分类预测器使用等于负 1 级的自由度。高阶术语使用组件术语自由度的产品。
方差分析表中的每一项都具有一个卡方值。卡方值是检验统计量,可以确定项或模型是否与响应变量相关。
Minitab 使用卡方统计量计算 P 值,使用 P 值可以做出有关项和模型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。足够大的卡方统计量产生的 P 值较小,这表示项或模型在统计意义上显著。
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。
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。原假设声明该项的系数等于零,这意味着该项与响应之间没有关联。通常,显著性水平(用 α 或 alpha 表示)为 .05 即可。显著性水平 0.05 指示在实际上不存在关联时得出存在关联的风险为 5%。
Wald 检验 | |||
---|---|---|---|
来源 | 自由度 | 卡方 | P 值 |
年龄 | 1 | 1.78 | 0.182 |
舞台 | 3 | 17.92 | 0.000 |
在这些结果中,阶段的 p 值在 0.05 的 α 水平上显着。因此,你可以得出结论,癌症的阶段对患者的生存有统计学上显著的影响。但是,年龄的 p 值为 0.182,因此年龄的影响在 0.05 α水平上并不显著。