拟合线性回归并执行t检验会得到相似的结果吗？

Question

我正在尝试从二进制变量列表中预测具有统计意义的变量。我在以下提到的两种找到相关变量的方法中存在概念上的疑问。

自变量： 一个人的身高

因变量：

1. 性别（男性或女性）
2. Financial_Status（是否在贫困线以下）
3. 大学毕业（是或否）

方法1：拟合线性回归，同时将其作为因变量/自变量并找到具有统计意义的变量

方法2：对每个因变量（t检验或其他相关检验）执行单独的统计检验，以计算统计上显着的变量

这两种方法是否相似并且会给出相似的结果？如果没有，确切的区别是什么？

Answer 1

由于您有多个自变量，因此显然没有。

如果您想对不同自变量（Gender，Financial_Status和College_Graduate）的每个值进行ttest方法测试，则意味着您将执行3种不同的测试。就误报结果而言，执行多次测试是有风险的，因此应使用多重比较调整方法（Bonferoni，FDR等）进行调整。

另一方面，如果您使用单个多元线性回归，那么多重比较就没有正确的选择，这就是为什么我认为是更好的方法。