Question

我有多个回归模型，这些模型未通过Breusch-Pagan测试，因此我使用异方差校正的协方差矩阵重新计算方差，如下所示：coeftest(lm.model,vcov=hccm(lm.model))。 coeftest()来自lmtest个包，而hccm()来自car个包。

我想提供F分数和标准化的测试版，但我不知道如何做到这一点，因为输出看起来像这样...

t test of coefficients:

                Estimate Std. Error t value Pr(>|t|)  
(Intercept)     0.000261   0.038824    0.01    0.995  
age             0.004410   0.041614    0.11    0.916  
exercise       -0.044727   0.023621   -1.89    0.059 .
tR             -0.038375   0.037531   -1.02    0.307  
allele1_num     0.013671   0.038017    0.36    0.719  
tR:allele1_num -0.010077   0.038926   -0.26    0.796  
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

有关如何报告这些内容的任何建议，以便它们与来自R和summary()的标准Anova()和car输出以及来自std_beta()的函数sjmisc的输出尽可能一致{{1}}包裹？

Answer 1

如果其他人有这个问题，这是我的解决方案。它不是特别优雅，但它的工作原理。

我只是将std_beta函数用作模板，然后将标准错误的输入更改为从std_beta()函数派生的输入。

# This is taken from std_beta function from sj_misc package.
# =====================================


b <-coef(lm.model) # Same Estimate
b <-b[-1] # Same intercept
fit.data <- as.data.frame(stats::model.matrix(lm.model)) # Same model.

fit.data <- fit.data[, -1] # Keep intercept
fit.data <- as.data.frame(sapply(fit.data, function(x) if (is.factor(x)) 
                          to_value(x, keep.labels = F)
                          else x))

sx <- sapply(fit.data, sd, na.rm = T)
sy <- sapply(as.data.frame(lm.model$model)[1], sd, na.rm = T)

beta <- b * sx/sy
se <-coeftest(lm.model,vcov=hccm(lm.model))[,2] # ** USE HCCM covariance for SE **
se <- se[-1]
beta.se <- se * sx/sy

data.frame(beta = beta, ci.low = (beta - beta.se * 
            1.96), ci.hi = (beta + beta.se * 1.96))

对于F分数，我只是将t值平方。我希望这能节省一些时间。

R中异方差校正后的协方差矩阵（hccm）的F分数和标准化Beta

1 个答案: