calcular si el coeficiente de regresión es estadísticamente significativo en r

Question

Tengo resultados de un análisis de regresión realizado con otro programa y me gustaría probar con R si son significativos.Sé que la LS.DIAG () calcula los errores estándar y las pruebas de T para obtener resultados de regresión, pero requiere un formato de entrada muy específico (es decir, el resultado de LSFIT ()), por lo que no creo que pueda usarlo.¿Hay alguna función en R que calcula errores estándar y pruebas T para el análisis de regresión que me permita simplemente dar a los coeficientes relevantes a la función a mano?

Answer 1

No estoy tan seguro de que esto es lo que está buscando, pero aquí hay una guía

# 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

Supongamos que solo tenemos los coeficientes de regresión, sus errores estándar y el tamaño de la muestra

beta <- coef(lm.D9)
errorBeta <- summary(lm.D9)$coefficients[,2]
n <- length(weight) # the sample size
k <- length(beta) # number of regression parameters

Creo que este es su caso, si no tiene los errores estándar de coeficiente, entonces tiene que estimarlos, es bastante fácil.

Una vez que tenga los coeficientes de regresión y sus errores estándar, uno puede estimar el T-stat:

t_stats <- beta/errorBeta

La regla de pulgar afirma que, si | T_STATS |>= 2 Entonces el coeficiente es estadísticamente significativo a un nivel del 5%.Pero si desea conocer el valor P, luego use:

pt(abs(t_stats), n-k, lower.tail=FALSE)*2

Si los valores p> 0.05 entonces los coeficientes asociados no son estadísticos significativos en ese nivel.

Todo lo que necesita es conocer los coeficientes, sus errores estándar y el tamaño de la muestra.De lo contrario no lo harás.