本文介绍了在NCL中进行一元回归后，如何进行显著性检验并解决检验区域错误的问题。作者发现regCoef函数给出的t值不准确，故采用自己的回归系数r来构建t参数，通过不完全Beta函数计算概率，并将概率小于0.05的区域标记。最后展示了一段NCL代码示例，用于绘制显著性检验结果并强调了需要进一步学习NCL的重要性。
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：
最低0.47元/天 解锁文章
扫一扫
1万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
