Coefficients are given in the same

Coefficients are given in the same units as their associated explanatory variables (a coefficient of 0.005 associated with a variable representing population counts may be interpretted as 0.005 people). The coefficient reflects the expected change in the dependent variable for every 1 unit change in the associated explanatory variable, holding all other variables constant (e.g., a 0.005 increase in residential burglary is expected for each additional person in the census block, holding all other explanatory variables constant). The T test is used to assess whether or not an explanatory variable is statistically significant. The null hypothesis is that the coefficient is, for all intents and purposes, equal to zero (and consequently is NOT helping the model). When the probability or robust probability is very small, the chance of the coefficient being essentially zero is also small. If the Koenker test (see below) is statistically significant, use the robust probabilities to assess explanatory variable statistical significance. Statistically significant probabilities have an asterisk "*" next to them. An explanatory variable associated with a statistically significant coefficient is important to the regression model if theory/common sense supports a valid relationship with the dependent variable, if the relationship being modeled is primarily linear, and if the variable is not redundant to any other explanatory variables in the model. The variance inflation factor (VIF) measures redundancy among explanatory variables. As a rule of thumb, explanatory variables associated with VIF values larger than about 7.5 should be removed (one by one) from the regression model. If, for example, you have a population variable (the number of people) and an employment variable (the number of employed persons) in your regression model, you will likely find them to be associated with large VIF values indicating that both of these variables are telling the same "story"; one of them should be removed from your model.

ผลลัพธ์ (ไทย) 1:

ค่าสัมประสิทธิ์จะได้รับในหน่วยเดียวกันเป็นของพวกเขาอธิบายตัวแปรเกี่ยวข้อง (สัมประสิทธิ์ 0.005 ที่เกี่ยวข้องกับตัวแปรที่เป็นตัวแทนประชากรนับอาจ interpretted คน 0.005) ค่าสัมประสิทธิ์สะท้อนให้เห็นถึงการเปลี่ยนแปลงที่คาดไว้ในตัวแปรสำหรับการเปลี่ยนแปลง 1 หน่วยในตัวแปรอธิบายที่เกี่ยวข้อง เก็บค่าคงตัวแปรอื่น ๆ (เช่น การโจรกรรมที่อยู่อาศัยเพิ่ม 0.005 คาดว่าแต่ละบุคคลเพิ่มเติมในบล็อกสำมะโนประชากร เก็บค่าคงตัวแปรอธิบายอื่น ๆ) การทดสอบ T ที่ใช้ในการประเมินหรือไม่ตัวแปรอธิบายมีนัยสำคัญทางสถิติ สมมติฐานว่างคือค่าสัมประสิทธิ์ ตัวหมด intents และวัตถุประสงค์ เท่ากับศูนย์ (และจึง ไม่ช่วยแบบ) เมื่อความน่าเป็นหรือน่าเป็นที่แข็งแกร่งมีขนาดเล็กมาก โอกาสของค่าสัมประสิทธิ์ที่เป็นศูนย์หลักยังมีขนาดเล็ก ถ้าการทดสอบ Koenker (ดูด้านล่าง) มีนัยสำคัญทางสถิติ ใช้น่าจะแข็งแกร่งเพื่อประเมินนัยสำคัญทางสถิติตัวแปรอธิบาย น่าจะมีนัยสำคัญทางสถิติมีจัน " * " ถัดจากนั้น ตัวแปรอธิบายที่เกี่ยวข้องกับค่าสัมประสิทธิ์มีนัยสำคัญทางสถิติมีความสำคัญแบบจำลองถดถอย ถ้าทฤษฎี/สามัญสำนึกสนับสนุนความสัมพันธ์ที่ถูกต้องกับตัวแปร การสร้างแบบจำลองความสัมพันธ์เป็นเส้นตรงเป็นหลัก และถ้าตัวแปรไม่ซ้ำซ้อนกับตัวแปรอธิบายอื่น ๆ ในรูปแบบ ปัจจัยเงินเฟ้อต่าง (VIF) มาตรการซ้ำซ้อนระหว่างตัวแปรอธิบาย เป็นกฎง่าย ๆ อธิบายตัวแปรที่เกี่ยวข้องกับค่า VIF มีขนาดใหญ่กว่าประมาณ 7.5 ควรเอาออก (หนึ่ง) จากแบบจำลองถดถอย หาก เช่น คุณมีตัวแปรประชากร (จำนวนคน) และตัวแปรมีการจ้างงานจำนวนการว่าจ้างบุคคล) ในแบบจำลองการถดถอยของคุณ คุณอาจจะหาพวกเขาจะเกี่ยวข้องกับค่า VIF ขนาดใหญ่เพื่อแสดงว่า ตัวแปรเหล่านี้ทั้งสองจะบอกเหมือนกัน "เรื่อง" หนึ่งในนั้นควรถูกเอาออกจากแบบจำลองของคุณ

ผลลัพธ์ (ไทย) 2:

ค่าสัมประสิทธิ์จะได้รับในหน่วยเดียวกับการอธิบายตัวแปรที่เกี่ยวข้อง (ค่าสัมประสิทธิ์ 0.005 เกี่ยวข้องกับตัวแปรที่เป็นตัวแทนของการนับจำนวนประชากรอาจจะ interpretted เป็น 0.005 คน) ค่าสัมประสิทธิ์การสะท้อนให้เห็นถึงการเปลี่ยนแปลงที่คาดไว้ในตัวแปรสำหรับการเปลี่ยนแปลงทุก 1 หน่วยในตัวแปรอธิบายที่เกี่ยวข้องถือตัวแปรอื่น ๆ คงที่ (เช่นการเพิ่มขึ้น 0.005 ในการลักทรัพย์ที่อยู่อาศัยคาดว่าสำหรับแต่ละบุคคลเพิ่มเติมในบล็อกการสำรวจสำมะโนประชากรถืออธิบายอื่น ๆ ทั้งหมด ตัวแปรคงที่) การทดสอบ T จะใช้ในการประเมินหรือไม่ว่าตัวแปรอธิบายเป็นนัยสำคัญทางสถิติ สมมติฐานคือว่าค่าสัมประสิทธิ์คือสำหรับ intents และวัตถุประสงค์เท่ากับศูนย์ (และจึงไม่ได้ช่วยให้รุ่น) เมื่อความน่าจะเป็นหรือที่แข็งแกร่งน่าจะมีขนาดเล็กมากโอกาสของค่าสัมประสิทธิ์เป็นหลักศูนย์ยังมีขนาดเล็ก หากการทดสอบ Koenker (ดูด้านล่าง) เป็นนัยสำคัญทางสถิติใช้ความน่าจะเป็นที่มีประสิทธิภาพในการประเมินอธิบายนัยสำคัญทางสถิติตัวแปร ความน่าจะเป็นนัยสำคัญทางสถิติมีเครื่องหมายดอกจัน "*" ไปให้พวกเขา ตัวแปรอธิบายที่เกี่ยวข้องกับค่าสัมประสิทธิ์อย่างมีนัยสำคัญทางสถิติที่มีความสำคัญกับรูปแบบการถดถอยถ้าทฤษฎี / สามัญสำนึกสนับสนุนความสัมพันธ์ที่ถูกต้องกับตัวแปรตามหากความสัมพันธ์ที่ถูกจำลองเป็นเส้นตรงเป็นหลักและหากตัวแปรที่ไม่ซ้ำซ้อนในการอธิบายตัวแปรอื่น ๆ ในรูปแบบ ปัจจัยที่อัตราเงินเฟ้อแปรปรวน (VIF) วัดความซ้ำซ้อนระหว่างตัวแปรอธิบาย ตามกฎของหัวแม่มืออธิบายตัวแปรที่เกี่ยวข้องกับค่า VIF มีขนาดใหญ่กว่าประมาณ 7.5 ควรจะออก (หนึ่งโดยหนึ่ง) จากแบบจำลองการถดถอย ตัวอย่างเช่นหากคุณมีประชากรตัวแปร (จำนวนคน) และตัวแปรการจ้างงาน (จำนวนผู้มีงานทำ) ในรูปแบบการถดถอยของคุณคุณมีแนวโน้มที่จะพบพวกเขาจะเชื่อมโยงกับค่า VIF ขนาดใหญ่แสดงให้เห็นว่าทั้งสองตัวแปรเหล่านี้ จะบอกเหมือนกัน "เรื่อง"; หนึ่งของพวกเขาควรจะถูกลบออกจากรูปแบบของคุณ

ผลลัพธ์ (ไทย) 3:

) ที่ระบุในหน่วยเดียวกันเป็นพวกเขาที่เกี่ยวข้องอธิบายตัวแปร ( ค่าสัมประสิทธิ์ของตัวแปรที่เป็นตัวแทนของส่วนที่เกี่ยวข้องกับจำนวนประชากรอาจจะ interpretted เป็น 0.005 คน ) โดยสะท้อนให้เห็นถึงการเปลี่ยนแปลงในตัวแปร โดยทุก 1 หน่วยการเปลี่ยนแปลงในความสัมพันธ์ของตัวแปรในตัวแปรอื่น ๆถือคงที่ ( เช่น , 0.005 เพิ่มทรัพย์ที่อยู่อาศัยคาดว่าแต่ละบุคคลเพิ่มเติมในสำมะโนบล็อก ตัวแปรอื่น ๆทั้งหมด การถือครองคงที่ ) ทีทดสอบที่ใช้ประเมินหรือไม่ว่ามีตัวแปรที่อธิบายอย่างมีนัยสำคัญทางสถิติ สมมติฐานว่างคือที่ 1 สำหรับ intents ทั้งหมดและใช้ในวัตถุประสงค์ เท่ากับศูนย์ ( และจากนั้น ไม่ใช่การช่วยเหลือแบบ ) เมื่อความน่าจะเป็นหรือความเป็นไปได้ที่แข็งแกร่งมีขนาดเล็กมาก โอกาสของสัมประสิทธิ์เป็นหลักศูนย์มีขนาดเล็กด้วย ถ้า koenker ทดสอบ ( ดูด้านล่าง ) อย่างมีนัยสำคัญทางสถิติ ใช้ความน่าจะเป็นที่แข็งแกร่งเพื่อประเมินการเปลี่ยนแปลงอย่างมีนัยสำคัญทางสถิติ อย่างมีนัยสำคัญทางสถิติ ความน่าจะเป็นมีดอกจัน " * " ถัดจากนั้น การอธิบายตัวแปรที่เกี่ยวข้องกับค่านัยสำคัญทางสถิติที่สําคัญคือตัวแบบการถดถอย ถ้าทฤษฎีสามัญสำนึกสนับสนุนความสัมพันธ์ที่ถูกต้องกับตัวแปรตาม ถ้าความสัมพันธ์เป็นแบบเป็นเชิงเส้น และถ้าตัวแปรที่ไม่ซ้ำซ้อนกับใด ๆอื่น ๆที่อธิบายตัวแปรในโมเดล ความแปรปรวนอัตราเงินเฟ้อปัจจัย ( VIF ) มาตรการความซ้ำซ้อนระหว่างตัวแปรอธิบาย . ในฐานะที่เป็นกฎของหัวแม่มือ , ตัวแปรที่อธิบายที่เกี่ยวข้องกับ VIF ค่าขนาดใหญ่กว่า 7.5 ควรเอาออก ( หนึ่งโดยหนึ่ง ) จากสมการถดถอยแบบ ตัวอย่างเช่นถ้าคุณมีประชากรตัวแปร ( จำนวนคน ) และมีการจ้างงานตัวแปร ( จำนวนจำแนก ) ในตัวแบบการถดถอยของคุณ คุณอาจจะพบว่าพวกเขาจะเกี่ยวข้องกับค่า VIF ขนาดใหญ่ระบุว่าทั้งสองตัวแปรจะบอกเหมือนกัน " เรื่อง " ; หนึ่งของพวกเขาควรจะลบออก จากรูปแบบของคุณ