在多变量线性回归中，当我们进行向后消除时，为什么要让每个变量的p值都消失？ p值如何帮助我们确定是否包括它？是因为我们对所有变量的y假设都具有y值，并且对y值有显着影响，如果对于某个特定变量，如果其p值小于0.05，则n值假设是错误的？]
p值在多变量回归问题中被舍弃的原因是，每个参数的正确零假设值取决于期望函数以及该参数在其中的位置。由于此函数根据参数可以给出截然不同的结果，因此基本上不可能对模型使用单个假设检验。
对于这些类型的问题，要查看的另一种选择而不是p值是每个估计参数的置信区间。这将比单个假设检验提供更有意义的结果。