В R, когда у меня есть (обобщенная) линейная модель ( lm
, glm
, gls
, glmm
, ...), как я могу проверить коэффициент (регрессионный наклон) в отношении любого другого значения , чем 0? В сводке модели результаты t-теста коэффициента автоматически сообщаются, но только для сравнения с 0. Я хочу сравнить его с другим значением.
Я знаю, что могу использовать трюк с репараметризацией y ~ x
как y - T*x ~ x
, где T
находится проверенное значение, и запустить эту репараметризованную модель, но я ищу более простое решение, которое, возможно, сработает на исходной модели.
r
regression
t-test
любознательный
источник
источник
Ответы:
Вот более широкое решение, которое будет работать с любым пакетом, или даже если у вас есть только результат регрессии (например, из бумаги).
Возьмите коэффициент и его стандартную ошибку.
Вычислить . Df дляtтакие же, как и для теста сH0:β=0.t = β^- βЧАС0se ( β^) T ЧАС0: β= 0
источник
pt()
pt
- или что-нибудь еще, что дает вам значение t cdfs. Многие пакеты имеют их, и есть широко доступные t-таблицы.Вы можете использовать либо простой t-тест, предложенный Glen_b, либо более общий тест Wald.
Тест Вальда позволяет проверить несколько гипотез по нескольким параметрам. Сформулировано как:R β= q β является стандартными коэффициентами регрессии.
В вашем примере, где у вас есть только одна гипотеза об одном параметре, R - вектор строки, со значением 1 для рассматриваемого параметра и нуля в другом месте, а q - скаляр с ограничением для проверки.
В R вы можете запустить тест Вальда с функцией linearHypothesis () из пакета car . Допустим, вы хотите проверить, отличается ли второй коэффициент (указанный аргументом hypothesis.matrix ) от 0,1 (аргумент rhs ):
Для t-теста эта функция реализует t-тест, показанный Glen_b:
Давайте удостоверимся, что мы получили правильную процедуру, сравнив Вальд, наш t-критерий и t-критерий R по умолчанию, для стандартной гипотезы о том, что второй коэффициент равен нулю:
Вы должны получить тот же результат с тремя процедурами.
источник
hypothesis.matrix
параметр?В конце концов, самым простым решением было сделать репараметризацию:
источник