计算回归系数在R中是否具有统计意义
计算回归系数在R中是否具有统计意义
提问于 2012-07-28 23:07:57
我有一个用另一个程序进行的回归分析的结果，我想用R来测试它们是否有意义。我知道ls.diag()计算回归结果的标准误差和t检验，但它需要一个非常特殊的输入格式(即lsfit()的结果)，所以我不认为我可以使用它。R中有没有什么函数可以计算回归分析的标准误差和t检验，让我可以简单地手工给出函数的相关系数？
回答 1
Stack Overflow用户
回答已采纳
发布于 2012-07-29 00:46:59
我不太确定这是不是你想要的，但这里有一个指导原则
# this is a model obtained from ?lm
ctl <- c(4.17,5.58,5.18,6.11,4.50,4.61,5.17,4.53,5.33,5.14)
trt <- c(4.81,4.17,4.41,3.59,5.87,3.83,6.03,4.89,4.32,4.69)
group <- gl(2,10,20, labels=c("Ctl","Trt"))
weight <- c(ctl, trt)
lm.D9 <- lm(weight ~ group)
summary(lm.D9) this is our target假设我们只有回归系数、其标准误差和样本量
beta <- coef(lm.D9)
errorBeta <- summary(lm.D9)$coefficients[,2]
n <- length(weight) # the sample size
k <- length(beta) # number of regression parameters我认为这就是你的情况，如果你没有系数标准差，那么你必须估计它们，这很容易。
一旦有了回归系数及其标准误差，就可以估计t-stat：
t_stats <- beta/errorBeta经验法则表明，如果|t_stats| >=为2，则该系数在5%的水平上具有统计意义。但是如果你想知道p值，那么使用：
pt(abs(t_stats), n-k, lower.tail=FALSE)*2如果p值> 0.05，则相关系数在该级别上没有统计意义。
你所需要的就是知道系数，它的标准误差和样本大小。否则你不会这么做的。
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/11702147
复制相关文章
相似问题
腾讯云开发者
