首页
学习
活动
专区
圈层
工具
发布
首页
学习
活动
专区
圈层
工具
MCP广场
社区首页 >问答首页 >同样的回归,不同的统计(R与SAS)?

同样的回归,不同的统计(R与SAS)?
EN

Stack Overflow用户
提问于 2010-09-16 04:13:10
回答 1查看 1.4K关注 0票数 4

我在SAS和R中运行了相同的概率回归,虽然我的系数估计(本质上)是相等的,但报告的测试统计数据是不同的。具体地说,SAS将测试统计数据报告为t统计数据,而R将测试统计数据报告为z统计数据。

我检查了我的计量经济学文本,发现(几乎没有详细说明)它以t统计的形式报告概率结果。

哪种统计数据是合适的?为什么R不同于SAS?

下面是我的SAS代码:

代码语言:javascript
运行
复制
proc qlim data=DavesData;
 model y = x1 x2 x3/ discrete(d=probit);
run;
quit;

这是我的R代码:

代码语言:javascript
运行
复制
> model.1 <- glm(y ~ x1 + x2 + x3, family=binomial(link="probit"))
> summary(model.1)
EN

回答 1

Stack Overflow用户

发布于 2010-09-16 16:10:21

只是回答一点-这是严重的离题,问题实际上应该结束-但t统计量和z统计量都没有意义。它们都是相关的,因为Z只是标准正态分布,T是一种经过调整的“接近正态”分布,它考虑到你的样本被限制在n种情况下。

现在,z和t统计量都为零假设提供了意义,即相应的系数等于零。用于该测试的系数的标准误差基于残差。使用link函数,您实际上可以将响应转换为使残差恢复正常的方式,而实际上残差表示观察到的和估计的比例之间的差异。由于这种转换,T统计量的自由度计算不再有用,因此R假设测试统计量的标准正态分布。

这两个结果是完全相等的,R只会给出稍微更尖锐的p值。这是一个有争议的问题,但如果你看一下比例差异测试,它们也总是使用标准正态近似(Z-test)完成的。

这让我回到了这一点,这两个值实际上都没有任何意义。如果你想知道一个变量是否对p值有显着的贡献,你可以使用卡方检验,如似然比检验(LR),得分检验或Wald检验。R只给你标准的似然比,SAS也给你另外两个。但这三个测试在本质上是等价的,如果它们有很大的不同,那么是时候重新查看您的数据了。

例如在R中:

代码语言:javascript
运行
复制
anova(model.1,test="Chisq")

对于SAS :参见示例here以了解对比度、获取LR、Score或Wald测试的用法

票数 6
EN
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接:

https://stackoverflow.com/questions/3721431

复制
相关文章

相似问题

领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档