常见的统计分析软件拟合回归模型时都会给出t检验的P值,可直接比较P值和显著性水平(经常取0.05),来判断回归模型的自变量对因变量是否有显著影响。
【补充说明1】
t检验的原理——运用小概率事件原理。小概率事件指在一次实验中可以认为几乎不可能发生的事件。
P值——在一个假设检验问题中,拒绝原假设的最小显著性水平称为P值。
【例如】为了证明“人均收入对人均消费支出有显著性影响”
(统计学中叫备择假设)。
首先提出一个相反的假设(也叫原假设、零假设、H0假设):“人均收入对人均消费支出没有影响”。
然后进行抽样,抽样出来的结果显示,人均收入对人均消费支出没有影响的可能性是0.000182,概率小于0.05,就说明人均收入对人均消费支出没有影响的可能性是非常小的,就可以拒绝原假设。反过来就可以证明人均收入对人均消费支出会有显著性的影响。就是用反证法进行推导的。
【补充说明2】
通常假设检验中,将小概率定为0.05,即Minitab算出的P值小于0.05就是小概率事件。至于0.05是怎么定出来的,英国著名的统计学家 Fisher把1/20作为小概率标准,也就是0.05,从此比0.05小就叫做小概率事件。