회귀분석에서 가장 큰 역할을 하는, P-값을 어떻게 해석해야 하는 지부터 알아보자.
회귀분석의 P-값과 계수는 함께 작동하여, 모델의 어떤 관계가 통계적으로 유의하고,
이러한 관계의 특성을 수치로 분석하여 알려주는 값이다.

회귀의 P-값은, 표본에서 관찰한 관계가, 더 큰 모집단에도 존재하는지 여부를 결정하는 데,

도움이 된다.
P-값은, 예측변수가 응답변수와 상관관계가 없다는 귀무가설을 검정한다.
상관관계가 없으면, 예측변수의 변화와 응답변수의 변화 사이에 연관성이 없으며,
모집단에서 효과가 있다고 결론을 내리기에는, 증거가 불충분하다라고 결론을 내릴 수 있다.

P-값이 유의 수준보다 작은 경우에는, 표본 데이터는 모집단에 대한 귀무가설을 기각하기에,
충분한 증거를 제공한다는 의미이다.

데이터는 영이 아닌 상관관계가 있다는 가설을, 지지한다고 결론을 내릴 수 있다.
이 경우에는, 독립변수의 변화는, 모집단 수준에서 종속변수의 변화와 연관되므로,
이 예측변수는 통계적으로 유의하며, 회귀모델에 추가할 가치가 있다고 판단한다.

P-값이 유의 수준 이상인 경우에는, 표본에 영이 아닌 상관관계가 존재한다고 결정하기에는,
충분한 증거가 없다라고 결론을 내릴 수 있다.

선형회귀분석에서 P-값 해석방법을, 사례를 통해 알아보자.
분석결과, 예측변수 농도, 비율, 온도는 P-값이 0.05보다 작기 때문에, 유의하다고 판정할 수 있다.
그러나, 시간에 대한 P-값은, 0.094로서 유의수준인 알파값 0.05보다 크므로,
통계적으로 유의하지 않다라고 판정할 수 있으며, 이 모델에서, 시간을 제거하는 것을 고려해야 한다.

통계적으로 유의하지 않은 변수를 유지하면, 모델의 정밀도가 떨어질 수 있으니,
관련 지식을 함께 검토하여, 잘 판단해 주시기 바란다.