highly significant 统计学里有这个说法么

Posted 2023-04-01

参考技术A 有是有，当p-value低于0.1%的时候，就是highly significant，意思是有千分之一的可能性原假设是正确的。highly significant这个说法没错，但不好。首先，当两个变量，A, p值小于0.001，B的P值小于0.05大于0.001。看起来B的p值比A的要大，但这并不表示B没有A重要。只要p值高于我们设定的显著性水平alpha，那么就没有所谓的谁比谁更重要一说，只是说A的犯错的可能性更小。第二，选择变量的时候绝对不要为了更加精确而去追求这个0.001，因为这会犯第一类错误(Type I Error)，就是原假设为真时我们拒绝了它。举个简单的例子，你要买东西的时候，你会考虑预算和品牌这两个。预算的P值是0.0009，品牌的P值是0.04。最终决定你买哪个东西的时候，两个都会起决定性作用，单靠预算决定不了你要买什么东西。基于这两点，如果你在选择变量的时候，你可以说这个变量是highly significant，表明它的P值很低。但不要说因为它的p值很低所以它比另外一个变量重要之类的话。本回答被提问者采纳

在用EXCEL做回归分析时，结果中的标准误差，t Stat，P-value，df，SS，MS，F，Significance F都是啥意思

在用EXCEL做回归分析时，结果中的标准误差，t Stat，P-value，df，SS，MS，F，Significance F都是什么意思，在进行回归分析时有什么意义。
答案越详细越好，谢谢~

标准误差即标准估计误差，tStat指t统计量，P-value指p值，df指自由度，SS指样本数据平方和，MS指样本数据平均平方和，F指F统计量的值，Significance F指p值。这些都是统计学中的术语。

在统计学中，回归分析（regression analysis）指的是确定两种或两种以上变量间相互依赖的定量关系的一种统计分析方法。回归分析按照涉及的变量的多少，分为一元回归和多元回归分析；按照因变量的多少，可分为简单回归分析和多重回归分析。

扩展资料：

回归分析内容：

1，确定变量：明确预测的具体目标，也就确定了因变量。如预测具体目标是下一年度的销售量，那么销售量Y就是因变量。通过市场调查和查阅资料，寻找与预测目标的相关影响因素，即自变量，并从中选出主要的影响因素。

2，建立预测模型：依据自变量和因变量的历史统计资料进行计算，在此基础上建立回归分析方程，即回归分析预测模型。

3，进行相关分析：只有当自变量与因变量确实存在某种关系时，建立的回归方程才有意义。因此，作为自变量的因素与作为因变量的预测对象是否有关，相关程度如何，以及判断这种相关程度的把握性多大，就成为进行回归分析必须要解决的问题。

4，计算预测误差：回归预测模型是否可用于实际预测，取决于对回归预测模型的检验和对预测误差的计算。回归方程只有通过各种检验，且预测误差较小，才能将回归方程作为预测模型进行预测。

5，确定预测值：利用回归预测模型计算预测值，并对预测值进行综合分析，确定最后的预测值。

参考技术A 标准误差即标准估计误差，t Stat指 t 统计量，P-value指p值，df指自由度，SS指样本数据平方和，MS指样本数据平均平方和，F指F统计量的值，Significance F指p值。这些都是统计学中的术语，只知道中文名称对理解这些词的帮助不是很大，建议找一本统计学的书看一看，因为这些都是很系统的一套理论。 参考技术B f