Question

我不太明白这个输出中的p值意味着什么。我并不是指p值，但在这种情况下。

> Model 1: sl ~ le + ky 
> Model 2: sl ~ le   
  Res.Df     RSS Df   Sum of Sq      F Pr(>F) 
1     97 0.51113                              
2     98 0.51211 -1 -0.00097796 0.1856 0.6676

我得到类似的东西，现在我想知道哪种型号更合适。由于只有一个而不是两个p值，我感到困惑。我使用summary（model1）或summary（model2）获得不同的pvalues

现在如果

> fm2<-lm(Y~X+T)

（T是我的指标变量）和

> fm4<-lm(Y~X)

如果我这样做

> anova(fm2,fm4)

这测试零假设H0: alpha1==alpha2 (Ha: alpha1!=alpha2) c（alpha是我的拦截）因此测试是否更好的是有一个拦截（=＆gt; alpha1==alpha2）或两个拦截（alpha1!=alpha2）

在这种情况下，我们现在显然会拒绝零假设，因为p值是0.6676。

这意味着我们应该坚持使用模型fm4，因为它更适合我们的数据。

我得出了正确的结论吗？我尽我所能，但我不确定p值意味着什么。由于只有，这是我认为它可能意味着什么。有人可以清理一下吗？

Answer 1

你的意思是“不明显拒绝零假设”（而不是“现在明显拒绝”）？鉴于你的其余问题，这似乎更有意义。

只有一个p值，因为有两个模型可供比较，因此只有一个比较（零假设与替代，或者实际上在这种情况下为零假设与未指定的替代）。它听起来就像你上面所说的那样le是一个连续的ky是一个分类预测器，在这种情况下，你正在比较一个模型与斜率和截距（如你所说）a具有单斜率和两个截距的模型。因为p值相对较大，这意味着数据不能提供ky的累加效应的证据。更简单的模型通常更合适（尽管要小心这个结论，因为构造p值是为了检验假设，而不是在模型中进行选择）。

每个模型的summary()得到的p值是每个模型中每个参数的效果的p值，取决于该模型中的所有其他参数。如果您的数据完全平衡（在回归设计中不太可能），您应该从summary和anova得到相同的答案，否则{{1通常是优选的。

这个问题可能更适合http://stats.stackexchange.com，因为它实际上是关于统计解释而不是编程......

将两个线性模型与R中的anova（）进行比较

1 个答案: