Interpretieren von Signifikanzwerten in R

Wenn Sie eine Regressionsanalyse oder ANOVA in R durchführen, enthalten die Ausgabetabellen p-Werte für die in der Analyse verwendeten Variablen sowie entsprechende Signifikanzwerte.

Diese Signifikanzwerte werden als eine Reihe von Sternen oder als Dezimalpunkt angezeigt, wenn die Variablen statistisch signifikant sind.

So interpretieren Sie die verschiedenen Signifikanzwerte:

significance code         p-value
   ***                 [0, 0.001]
    **              (0.001, 0.01]
     *               (0.01, 0.05]
     .                (0.05, 0.1]
                         (0.1, 1] 

Die folgenden Beispiele zeigen, wie diese Signifikanzwerte in der Praxis interpretiert werden.

Beispiel: Signifikanzwerte in der Regression

Der folgende Code zeigt, wie ein multiples lineares Regressionsmodell mit dem integrierten mtcars-Dataset unter Verwendung von hp , drat und wt als Prädiktorvariablen und mpg als Antwortvariable angepasst wird:

#Regressionsmodell mit HP, Drat und WT als Prädiktoren
Modell <- lm (mpg ~ hp + drat + wt, Daten = mtcars)

#Modellzusammenfassung anzeigen
model <- lm(mpg ~ hp + drat + wt, data = mtcars)

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 ***
---
Signif. 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

So interpretieren Sie die Signifikanzwerte für die drei Prädiktorvariablen:

• hp hat einen p-Wert von 0,001178. Da dieser Wert im Bereich (0,001, 0,01] liegt , hat er einen Signifikanzcode von **
• drat hat einen p-Wert von .198755. Da dieser Wert im Bereich (0,1, 1] liegt , hat er keinen Signifikanzcode.
• wt hat einen p-Wert von .000364. Da dieser Wert im Bereich [0, 0,001] liegt , hat er einen Signifikanzcode von ***

Wenn wir ein Alpha-Niveau von α = 0,05 verwenden würden, um zu bestimmen, welche Prädiktoren in diesem Regressionsmodell signifikant sind, würden wir sagen, dass hp und wt statistisch signifikante Prädiktoren sind, während drat dies nicht ist.

Beispiel: Signifikanzwerte in ANOVA

Der folgende Code zeigt, wie ein einfaktorielle ANOVA-Modell mit dem integrierten mtcars-Datensatz angepasst wird, wobei gear als Faktorvariable und mpg als Antwortvariable verwendet werden:

#Einfaktorielle ANOVA
model <- aov(mpg ~ gear, data = mtcars)

#Sehen Sie sich die Modellausgabe an
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                  
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

So interpretieren Sie den Signifikanzcode in der Ausgabe:

• gear hat einen p-Wert von 0,0054. Da dieser Wert im Bereich (0,001, 0,01] liegt, hat er einen Signifikanzcode von **

Bei einem Alpha-Level von α = 0,05 würden wir sagen, dass das gear statistisch signifikant ist. Mit anderen Worten, es gibt einen statistisch signifikanten Unterschied zwischen dem mittleren mpg von Autos basierend auf ihrem Wert für gear.