선형회귀분석을 통하여 가상의 직선을 추정하여 그릴 수 있다.
하지만, 결과치들이 가상의 직선으로 수렴하는가의 여부는 또다른 설명력을 요구한다.
위에서 제시되는 결과값들을 살펴보자.
Y = 13.127X + 26.626 으로 추정할 수 있다.
이러한 추정에 대한 근거의 타당성 여부: 1) 13.127이라는 기울기는 유의확률 99,9% ( 0.001, **)에서 0.00457이라는 영가설 기각가능성, 2) 절편 26.626은 유의확률 95%에서 0.20972라는 영가설 기각불가능성
회귀모형의 특성을 분석할 수 있는 근거는
1)추정값의 표준오차: 값이 크면 수렴의 강도가 작다는 의미이다.
2) Multiple R-squared: 결정계수 --> 1에 가까울수록 회귀모형의 설명력이 높다고 판단한다. (0.5692)
3) F-statistics: 분산분석관련 F-검정 --> p-value(유의확률)에 근거한 결과치 (13.21 , p-value: 0.004574)
하지만, 결과치들이 가상의 직선으로 수렴하는가의 여부는 또다른 설명력을 요구한다.
위에서 제시되는 결과값들을 살펴보자.
Y = 13.127X + 26.626 으로 추정할 수 있다.
이러한 추정에 대한 근거의 타당성 여부: 1) 13.127이라는 기울기는 유의확률 99,9% ( 0.001, **)에서 0.00457이라는 영가설 기각가능성, 2) 절편 26.626은 유의확률 95%에서 0.20972라는 영가설 기각불가능성
회귀모형의 특성을 분석할 수 있는 근거는
1)추정값의 표준오차: 값이 크면 수렴의 강도가 작다는 의미이다.
2) Multiple R-squared: 결정계수 --> 1에 가까울수록 회귀모형의 설명력이 높다고 판단한다. (0.5692)
3) F-statistics: 분산분석관련 F-검정 --> p-value(유의확률)에 근거한 결과치 (13.21 , p-value: 0.004574)
