Рассчитать, является ли коэффициент регрессии статистически значительна в R

Question

У меня есть результаты от регрессионного анализа, проведенного с другой программой, и я хотел бы проверить, являются ли они значительными.Я знаю, что L.Diag () рассчитывает стандартные ошибки и T-тесты для результатов регрессии, но это требует очень конкретного формата ввода (то есть результат lsfit ()), поэтому я не думаю, что я могу использовать это.Есть ли функция в R, которая рассчитывает стандартные ошибки и T-тесты для регрессионного анализа, который позволяет мне просто дать соответствующие коэффициенты функции вручную?

Answer 1

Я не так уверен, что это то, что вы смотрите, но вот руководство

# 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

.

Предположим, у нас есть только коэффициенты регрессии, его стандартные ошибки и размер выборки

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

.

Я думаю, что это твой случай, если у вас нет стандартных ошибок коэффициента, то вам нужно оценить их, это довольно легко.

После того, как у вас есть коэффициенты регрессии и его стандартные ошибки, можно оценить T-Stat:

t_stats <- beta/errorBeta

.

правило, если | t_stats |>= 2 Тогда коэффициент статистически значим на уровне 5%.Но если вы хотите знать значение P, то используйте:

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

.

Если p-значения> 0,05, то связанные коэффициенты не являются статистическими значительными на этом уровне.

Все, что вам нужно, это знание коэффициентов, его стандартные ошибки и размер выборки.В противном случае вы не сделаете это.