anda tidak sepatutnya menggugurkan pembolehubah. … Oleh itu, walaupun anggaran sampel mungkin tidak penting, fungsi mengawal berfungsi, selagi pembolehubah berada dalam model (dalam kebanyakan kes, anggaran tidak akan betul-betul sifar). Mengalih keluar pembolehubah, oleh itu, berat sebelah kesan pembolehubah lain.
Apakah maksudnya jika pembolehubah tidak penting?
kurang penting bermakna kekurangan isyarat sama seperti tidak mengumpul data langsung. Satu-satunya nilai dalam data pada ketika ini ialah menggabungkannya dengan data baharu supaya saiz sampel anda besar. Tetapi walaupun begitu anda akan mencapai kepentingan hanya jika proses yang anda pelajari sebenarnya adalah nyata. Cite.
Apakah akibat pembolehubah yang tidak berkaitan?
Apabila pembolehubah yang tidak berkaitan disertakan, regresi tidak menjejaskan ketidakcondongan penganggar OLS tetapi meningkatkan variansnya.
Apakah pembolehubah tidak ketara dalam regresi?
Sebaliknya, nilai p yang lebih besar (tidak ketara) mencadangkan bahawa perubahan dalam peramal tidak dikaitkan dengan perubahan dalam respons. … Biasanya, anda menggunakan nilai-p pekali untuk menentukan istilah yang perlu disimpan dalam model regresi. Dalam model di atas, kita harus mempertimbangkan untuk mengalih keluar Timur.
Apakah yang berlaku jika data secara statistik tidak penting?
Apabila nilai-p cukup kecil (cth., 5% atau kurang), maka hasilnya tidak mudah dijelaskan secara kebetulan sahaja,dan data dianggap tidak konsisten dengan hipotesis nol; dalam kes ini, hipotesis nol kebetulan sahaja sebagai penjelasan tentang data ditolak dan memihak kepada penjelasan yang lebih sistematik.