量化斜率的重要性
Quantify the significance of a slope
这更像是一个技术问题,而不是编码问题。是否可以测试数据集的斜率是否显着?
所以我有以下情节:
我设法确定了这条蓝色 geom_smooth
线的斜率,它基本上是所有粉红色线的平均值。是否可以根据数据集测试该蓝线的斜率是否显着?
我对代码没有直接兴趣,只是想检查一下是否可以确定数据集中可能的重要性。
这显示输出中斜率的 p 值 0.0544:
summary(lm(demand ~ Time, BOD))
给予:
Call:
lm(formula = demand ~ Time, data = BOD)
Residuals:
1 2 3 4 5 6
-1.9429 -1.6643 5.3143 0.5929 -1.5286 -0.7714
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) 8.5214 2.6589 3.205 0.0328 *
Time 1.7214 0.6387 2.695 0.0544 .
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
Residual standard error: 3.085 on 4 degrees of freedom
Multiple R-squared: 0.6449, Adjusted R-squared: 0.5562
F-statistic: 7.265 on 1 and 4 DF, p-value: 0.05435
这更像是一个技术问题,而不是编码问题。是否可以测试数据集的斜率是否显着?
所以我有以下情节:
我设法确定了这条蓝色 geom_smooth
线的斜率,它基本上是所有粉红色线的平均值。是否可以根据数据集测试该蓝线的斜率是否显着?
我对代码没有直接兴趣,只是想检查一下是否可以确定数据集中可能的重要性。
这显示输出中斜率的 p 值 0.0544:
summary(lm(demand ~ Time, BOD))
给予:
Call:
lm(formula = demand ~ Time, data = BOD)
Residuals:
1 2 3 4 5 6
-1.9429 -1.6643 5.3143 0.5929 -1.5286 -0.7714
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) 8.5214 2.6589 3.205 0.0328 *
Time 1.7214 0.6387 2.695 0.0544 .
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
Residual standard error: 3.085 on 4 degrees of freedom
Multiple R-squared: 0.6449, Adjusted R-squared: 0.5562
F-statistic: 7.265 on 1 and 4 DF, p-value: 0.05435