P-值是在原假设为真的条件下某一统计量的取值以其观察值为最小值或最大值的事件的小概率,或说某一统计量的取值以其观察值为最小值或最大值是一个小概率事件,此小概率就是 P。(我所理解的)P值的各路定义:在一个假设检验问题中,利用观测值能够做出拒绝原假设的最小显著性水平称为 P-值。对于 P-值的理解,一般情况下有这几种认识:(1) 拒绝原假设的最小显著性水平。(2) 观察到的(实例样本的) 显著性水平。(3) 表示对原假设的支持程度,是用于确定是否应该拒绝原假设的另一种方法。(4) 一种概率,一种在原假设为真的前提下出现观察样本以及更极端情况的概率。(5) 我们在拒绝原假设的犯的最小的第一类错误,而所规定的显著性水平(具有主观性)是事先给定的犯第一类错误的最大错误。以上基本就是我所知道的关于P值的各种解释了。对于了解统计学的人,相信稍微思考就应该能够会心一笑,哈哈;对于不懂统计学的人,可以看一些基本的书籍,假设检验虽然重要,但是描述性的统计一样蕴含着古老的化繁为简的智慧。
相关系数就是两个变量之间的相关程度,-1<0负相关,r>0正相关,r2越接近1表示越相关。
P值即概率,反映某一事件发生的可能性大小。统计学根据显著性检验方法所得到的P 值,一般以P < 0.05 为显著, P<0.01 为非常显著,其含义是样本间的差异由抽样误差所致的概率小于0.05 或0.01。
在线性回归中,p<0.01(或者0.05)表示两个变量非常显著(显著)线性相关。
需要注意的是:在非线性回归中,不可以用p值检验相关显著性, 因为在非线性回归中,残差均值平方不再是误差方差的无偏估计,因而不能使用线性模型的检验方法来检验非线性模型,从而不能用F统计量及其P值进行检验。
复相关系数:又叫多重相关系数。复相关是指因变量与多个自变量之间的相关关系。例如,某种商品的季节性需求量与其价格水平、职工收入水平等现象之间呈现复相关关系。
典型相关系数:是先对原来各组变量进行主成分分析,得到新的线性关系的综合指标,再通过综合指标之间的线性相关系数来研究原各组变量间相关关系。