的假设检验 | H0: B1=0 哈: B1=/=0 |在 R
Hypothesis testing for | H0: B1=0 HA: B1=/=0 | in R
我要验证假设
H0: B1 = 0
医管局：B1 =/= 0
具有 5% 的显着性。
有这种假设检验的功能吗？
我目前得到的是：
Y X
1 1890 2075
2 2790 2800
3 1390 1450
4 990 1175
5 1290 1290
6 1300 1400
7 1890 1850
8 1090 1070
9 1290 1240
10 2290 2480
11 2690 3010
12 1780 1850
13 1490 1490
14 1850 1910
15 1850 1880
16 1390 1420
17 1560 1850
18 2290 2260
19 990 1175
20 1290 1240
mod1 <- lm(d1$Y ~ d1$X)
Call:
lm(formula = d1$husdata.Salgssum ~ d1$husdata.Prisantydning)
Residuals:
Min 1Q Median 3Q Max
-129.48 -82.97 -29.40 93.02 217.85
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) 13.75734 86.65964 0.159 0.876
d1$husdata.Prisantydning 1.03743 0.04962 20.910 4.46e-14 ***
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
Residual standard error: 113.9 on 18 degrees of freedom
Multiple R-squared: 0.9605, Adjusted R-squared: 0.9583
F-statistic: 437.2 on 1 and 18 DF, p-value: 4.464e-14
我使用 qt 函数找到了临界值，并手动将估计值除以 std.error。
然后根据临界值手动评估测试值。
qt(0.025, 18)
13.75734/86.65964
系数 table 已有答案！
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) 13.75734 86.65964 0.159 0.876
d1$husdata.Prisantydning 1.03743 0.04962 20.910 4.46e-14 ***
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
第三列是行=0的空系数的检验统计值。第四列是错误拒绝空值的概率（p值）。
在您的例子中，您感兴趣的系数的 p 值为 4.46e-14（非常低，低于 5%）。
我要验证假设
H0: B1 = 0 医管局：B1 =/= 0
具有 5% 的显着性。
有这种假设检验的功能吗？
我目前得到的是：
Y X
1 1890 2075
2 2790 2800
3 1390 1450
4 990 1175
5 1290 1290
6 1300 1400
7 1890 1850
8 1090 1070
9 1290 1240
10 2290 2480
11 2690 3010
12 1780 1850
13 1490 1490
14 1850 1910
15 1850 1880
16 1390 1420
17 1560 1850
18 2290 2260
19 990 1175
20 1290 1240
mod1 <- lm(d1$Y ~ d1$X)
Call:
lm(formula = d1$husdata.Salgssum ~ d1$husdata.Prisantydning)
Residuals:
Min 1Q Median 3Q Max
-129.48 -82.97 -29.40 93.02 217.85
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) 13.75734 86.65964 0.159 0.876
d1$husdata.Prisantydning 1.03743 0.04962 20.910 4.46e-14 ***
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
Residual standard error: 113.9 on 18 degrees of freedom
Multiple R-squared: 0.9605, Adjusted R-squared: 0.9583
F-statistic: 437.2 on 1 and 18 DF, p-value: 4.464e-14
我使用 qt 函数找到了临界值，并手动将估计值除以 std.error。
然后根据临界值手动评估测试值。
qt(0.025, 18)
13.75734/86.65964
系数 table 已有答案！
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) 13.75734 86.65964 0.159 0.876
d1$husdata.Prisantydning 1.03743 0.04962 20.910 4.46e-14 ***
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
第三列是行=0的空系数的检验统计值。第四列是错误拒绝空值的概率（p值）。
在您的例子中，您感兴趣的系数的 p 值为 4.46e-14（非常低，低于 5%）。