多元线性回归方程检验中的t检验和F检验的自由度是什么意思？

自由度(degree of freedom, df)指的是计算某一统计量时，取值不受限制的变量个数。通常df=n-k。其中n为样本数量，k为被限制的条件数或变量个数，或计算某一统计量时用到其它独立统计量的个数。自由度通常用于抽样分布中。

一般来说，自由度等于独立变量减掉其衍生量数。举例来说，变异数的定义是样本减平均值(一个由样本决定的衍生量)，因此对N个随机样本而言，其自由度为N-1。

扩展资料：

在估计总体的方差时，使用的是离差平方和。只要n-1个数的离差平方和确定了，方差也就确定了；因为在均值确定后，如果知道了其中n-1个数的值，第n个数的值也就确定了。这里，均值就相当于一个限制条件，由于加了这个限制条件，估计总体方差的自由度为n-1。

统计模型的自由度等于可自由取值的自变量的个数。如在回归方程中，如果共有p个参数需要估计，则其中包括了p-1个自变量（与截距对应的自变量是常量1）。因此该回归方程的自由度为p-1。

参考资料来源：百度百科-自由度

原理：T检验是用t分布理论来推论差异发生的概率，从而比较两个平均数的差异是否显著。它与f检验、卡方检验并列。

意义：

T检验对数据的正态性有一定的耐受能力。如果数据只是稍微偏离正态，结果仍然是稳定的。如果数据偏离正态很远，则需要考虑数据转换或采用非参数方法分析。

两个独立样本T检验的原假设为两个总体均值之间不存在显著性差异，需分两步完成：①利用F检验进行两总体方差的同质性判断；②根据方差同质性的判断，决定T统计量和自由度计算公式，进而对T检验的结果给予恰当的判定。

如果待检验的两个样本均值差异较小，那么t值也就较小，说明两样本均值不存在显著差异；相反，t值越大，说明两样本均值之间差异越显著。

SPSS将计算的t值和T分布表给出相应的显著性概率值，如果显著性概率值P小于或等于显著性水平α，则拒绝原假设，认为两总体均值之间存在显著差异；相反，显著性概率值P大于显著性水平α，则不拒绝原假设，认为两总体均值之间不存在显著差异。

扩展资料

t检验的前提条件：

无论是单样本T检验、独立样本T检验还是配对样本T检验，都有几个基本前提：

一是，T检验属于参数检验，用于检验定量数据（数字有比较意义的），若数据均为定类数据则使用非参数检验。

二是，样本数据需要服从正态或近似正态分布。

1、独立T检验（也称T检验），要求因变量需要符合正态分布性，如果不满足，此时可考虑使用非参数检验，具体来讲应该是MannWhitney检验进行研究。

2、单样本T检验，其默认前提条件是数据需要符合正态分布性，如果不满足，此时可考虑使用非参数检验，具体来讲应该是单样本Wilcoxon检验进行研究。

3、配对样本T检验，其默认前提条件是差值数据需要符合正态分布性，如果不满足，此时可考虑使用非参数检验，具体来讲应该是单样本Wilcoxon检验进行研究。

其实配对样本T检验与单样本T检验的原理是一模一样，无非是进行了一次数据相减（即差值）处理而已，因而其和单样本T检验保持一致。

参考资料来源：百度百科-t检验

　t检验是对各回归系数的显著性所进行的检验，（－－这个太不全面了，这是指在多元回归分析中，检验回归系数是否为0的时候，先用F检验，考虑整体回归系数，再对每个系数是否为零进行t检验。t检验还可以用来检验样本为来自一元正态分布的总体的期望，即均值；和检验样本为来自二元正态分布的总体的期望是否相等）

目的：比较样本均数 所代表的未知总体均数μ和已知总体均数μ0。

计算公式：

t统计量：

自由度：v=n - 1

适用条件：

(1) 已知一个总体均数；

(2) 可得到一个样本均数及该样本标准误；

(3) 样本来自正态或近似正态总体。

例1 难产儿出生体重n=35, =3.42, S =0.40,

一般婴儿出生体重μ0=3.30（大规模调查获得），问相同否？

解：1.建立假设、确定检验水准α

H0：μ = μ0 （无效假设，null hypothesis）

H1：（备择假设,alternative hypothesis，）

双侧检验，检验水准:α=0.05

2.计算检验统计量

，v=n-1=35-1=34

3.查相应界值表，确定P值，下结论

查附表1，t0.05 / 2.34 = 2.032,t <t0.05 / 2.34,P >0.05，按α=0.05水准，不拒绝H0，两者的差别无统计学意义

---