🐟 請您尊重本網站的智慧財產權,如有任何引用,請註明出處:Dr. Fish 漫游社會統計。(文章發表日期)。文章名稱。文章網址
迴歸
簡單線性迴歸是涉及一個自變項和一個依變項的分析,兩變項間為不完全的線性關係,探討自變項的改變如何影響依變項的變化。簡單線性迴歸的假設檢定包含相關係數和斜率的假設檢定,檢驗兩變項之間的關係是否存在於母群體裡以及自變項是否對依變項的預測有顯著的幫助。
合作邀約 email: dr.fish@drfishstats.com
🐟 請您尊重本網站的智慧財產權,如有任何引用,請註明出處:Dr. Fish 漫游社會統計。(文章發表日期)。文章名稱。文章網址
簡單線性迴歸是涉及一個自變項和一個依變項的分析,兩變項間為不完全的線性關係,探討自變項的改變如何影響依變項的變化。簡單線性迴歸的假設檢定包含相關係數和斜率的假設檢定,檢驗兩變項之間的關係是否存在於母群體裡以及自變項是否對依變項的預測有顯著的幫助。
Dunn檢定是在Kruskal-Wallis檢定的H檢定統計量達到統計上顯著時,用來瞭解哪些成對群組間存在差異的一種事後比較方法。Dunn檢定利用各個群組的等級總和,使用z檢定和常態分配來評估成對群組間的差異,並採用Bonferroni校正來控制膨脹的第一類型錯誤機率。
Kruskal-Wallis檢定的假設檢定是在檢驗3個或3個以上的獨立群組是否來自於完全相似的母群體之虛無假設,屬於一種無母數檢定。Kruskal-Wallis檢定使用在測量尺度至少為次序尺度的變項資料上,或單因子變異數分析的常態分配和/或變異數同質性的假設受到嚴重違反的時候。
曼–惠特尼U檢定是用來探討兩個獨立的群體或樣本是否有所不同的一種無母數檢定,通常用在變項資料至少為次序尺度或獨立樣本t檢定的基本假設受到嚴重違反的時候;而曼–惠特尼U檢定的假設檢定即在檢驗兩個獨立的群體或樣本是否來自於極為相似的母群體之虛無假設。
Wilcoxon配對符號等級檢定是用來探討兩個關聯樣本是否有所不同且資料至少為次序尺度的一種無母數檢定,而Wilcoxon配對符號等級檢定的假設檢定即是檢驗兩個關聯樣本是否來自極其相似的母群體之虛無假設。這個檢定雖然不若關聯樣本t檢定強大,卻比符號檢定更具敏感度。