calcular se o coeficiente de regressão é estatisticamente significativo em R

Question

Tenho resultados de uma análise de regressão realizada com outro programa e gostaria de testar com R se são significativos.Eu sei que ls.diag() calcula erros padrão e testes t para resultados de regressão, mas requer um formato de entrada muito específico (ou seja, o resultado de lsfit()), então não acho que possa usar isso.Existe alguma função em r que calcule erros padrão e testes t para análise de regressão que me permita simplesmente fornecer manualmente os coeficientes relevantes para a função?

Answer 1

Não tenho certeza se é isso que você está procurando, mas aqui está uma orientação

# 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

Suponha que tenhamos apenas os coeficientes de regressão, seus erros padrão e o tamanho da amostra

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

Acho que esse é o seu caso, se você não tem os erros padrão dos coeficientes, então você tem que estimá-los, é bem fácil.

Depois de ter os coeficientes de regressão e seus erros padrão, pode-se estimar o t-stat:

t_stats <- beta/errorBeta

A regra geral afirma que se | t_stats | > = 2 Então o coeficiente é estatisticamente significativo no nível de 5%.Mas se você quiser saber o valor p, use:

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

Se valores de p > 0,05, então os coeficientes associados não são estatisticamente significativos nesse nível.

Basta conhecer os coeficientes, seus erros padrão e o tamanho da amostra.Caso contrário você não fará isso.