R’deki yardım sayfaları, bu sayıların ne anlama geldiğini bildiğimi varsayıyor ama bilmiyorum. Buradaki her sayıyı sezgisel olarak anlamaya çalışıyorum. Çıktısını göndereceğim ve ne bulduğuma dair yorum yapacağım. Varsayıp yazacağım gibi hatalar olabilir (irade). Temel olarak katsayılardaki t-değerinin ne anlama geldiğini ve neden artık standart hatayı yazdırdıklarını bilmek istiyorum.
Call:
lm(formula = iris$Sepal.Width ~ iris$Petal.Width)
Residuals:
Min 1Q Median 3Q Max
-1.09907 -0.23626 -0.01064 0.23345 1.17532
Bu, artıkların 5 puanlık bir özetidir (ortalamaları her zaman 0'dır, değil mi?). Herhangi bir büyük aykırı olup olmadığını hızlı bir şekilde görmek için sayılar (burada tahmin ediyorum) kullanılabilir. Ayrıca, artıkların normal dağılıma sahip olmaktan uzaksa (normal dağılıma sahip olmaları durumunda) zaten burada görebilirsiniz.
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) 3.30843 0.06210 53.278 < 2e-16 ***
iris$Petal.Width -0.20936 0.04374 -4.786 4.07e-06 ***
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
Tahminler en küçük kareler regresyon ile hesaplanır. Ayrıca, standart hata . Bunun nasıl hesaplandığını bilmek istiyorum. T değerinin ve karşılık gelen p değerinin nereden geldiği hakkında hiçbir fikrim yok. normal dağılım göstermesi gerektiğini biliyorum , ancak t-değeri nasıl hesaplanır? σβi β
Residual standard error: 0.407 on 148 degrees of freedom
, sanırım. Ama neden bunu hesaplıyoruz ve bize ne anlatıyor?
Multiple R-squared: 0.134, Adjusted R-squared: 0.1282
∑ n i = 1 ( ^ y i - ˉ y )2 , bu da . Noktalar düz bir çizgide uzanıyorsa oran 1'e, rastgele ise 0'a yakındır. Düzeltilmiş R karesi nedir?
F-statistic: 22.91 on 1 and 148 DF, p-value: 4.073e-06
Tüm model için F ve p , önceki gibi sadece için değil . F değeri . Büyüdükçe, daha düşük olasılıkla 'nın hiç bir etkisi olmaz.s 2 y β