本文主要是介绍NCL回归系数及显著性检验打点,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!
之前做回归以后,再做显著性检验的时候出现诸多问题,最主要的问题是显著性检验后的区域明显错误。实际上,(我做的是一元回归)应该在回归系数大的地方容易通过检验,回归系数小的地方通不过检验,且我认为通过检验的区域应该不会与回归系数等值线交叉。
经过排查,我发现regCoef给的tval(也就是t参数)并不准确,与我自己构建的t参数并不相同,这就是我一直画不对的原因,因此我用自己的回归系数r,构建了t参数,t参数的公式如下:(还好我的气象统计方法课件还留着,嘻嘻)
自己构建的t参数的分布就和回归系数很相似了,再通过NCL内置的不完全的beta函数计算:
其中df是自由度(regCoef输出的参数中有,若原有数据n个,则df为n-2)b是固定值0.5(但是b应该和tval,df一样是一个矩阵)。这样可以得到prob的分布,最后将prob小于0.05的部分打上点即可。出图如下:
这篇关于NCL回归系数及显著性检验打点的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!