即使我们对每个预测变量都有单独的 p 值。
为什么我们需要整体 F 统计量？
我阅读了此解决方案，但不确定是否正确。有人可以解释一下吗？
资料来源：James、Witten、Hastie 和 Tibshirani 的“统计学习简介：R 中的应用”
差异。在 P 值和 F 统计中。多元线性回归
数据挖掘
回归
统计数据
2022-03-06 16:05:32
1个回答
整体 F-stat 表示您的模型是否明显优于仅在所有响应数据汇集在一起的平均值处截距的朴素模型。换句话说，它测量是否明显优于 0。
在你的情况下，你可以关注并且看到 0.897 会比 0 好。F-stat 和 p-value 在与 0 有细微差别。
F-stat 对回归有用的另一个地方是针对比仅截距更简单的模型进行测试。事实上，回归中每个参数的 p 值等于您通过将完整模型与排除该参数的模型进行 F 检验获得的 p 值（假设典型的良好属性随之而来）在线性回归中进行参数推断）。
不检查每个参数的单个 p 值的原因是错误的发现，这是关于多次测试的常见业务。对整个方程进行一次 F 检验消除了错误发现重要参数的可能性，以换取无法确定哪些参数是重要的。