Как интерпретировать результаты функции линейного гипотеза при сравнении коэффициентов регрессии?

Question

Я использовал функцию линейного гипотеза, чтобы проверить, существенно ли отличаются два коэффициента регрессии.Есть ли у вас какие-либо идеи, как интерпретировать эти результаты?

Вот мой вывод:

linearHypothesis (fit4.beta, "bfi2.e = bfi2.a") Тест линейной гипотезы

Гипотеза: bfi2.e - bfi2.a = 0

Модель 1: модель с ограничениями Модель 2: mod.ipip.hexaco ~ bfi2.e + bfi2.n + bfi2.a + bfi2.o + bfi2.c

Res.Df    RSS Df Sum of Sq      F    Pr(>F)    
1    722 302.27                                  
2    721 264.06  1    38.214 104.34 < 2.2e-16 ***
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

Answer 1

Помимо t-статистики, которая проверяет прогностическую силу каждой переменной при наличии всех остальных, еще одним тестом, который можно использовать, является F-тест.(это F-тест, который вы получите в нижней части линейной модели)

Это проверяет нулевую гипотезу о том, что все β равны нулю относительно альтернативы, которая позволяет им принимать любые значения.Если мы отвергаем эту нулевую гипотезу (что мы делаем, потому что p-значение мало), то это то же самое, что сказать, что имеется достаточно доказательств, чтобы сделать вывод, что по крайней мере один из ковариат обладает предсказательной силой в нашей линейной модели, т.е.регрессия предсказуемо «лучше», чем просто угадывание среднего.

Таким образом, вы проверяете, все ли коэффициенты отличаются от нуля, или какую-то другую произвольную линейную гипотезу, в отличие от t-критерия, в котором вы проверяетеиндивидуальные коэффициенты.