我是 R 新手,正在进行一项复制研究,我需要检查它们的回归是否适用于 OLS 的经典假设。对于规范假设,我正在进行 Ramsey RESET 测试,这是我的代码:
simple_model <- lm(deploy ~ loggdppc + natoyears + milspend + lagdeploy + logland + logcoast + lag3terror + logmindist)
resettest(simple_model, power=2, type="regressor", data = natopanel)
这是我的输出:
RESET = 2.0719, df1 = 6, df2 = 355, p-value = 0.05586
由于 P 值(尽管略高于)0.05,这是否意味着它“通过”了 RAMSEY 检验?还是存在变量缺失的问题?我仍然没有完全掌握这些解释。该模型不包括他们的所有变量,因为他们正在测试特定的假设。
谢谢您的帮助!
根据维基百科:
“[拉姆齐重置的直觉]测试是解释变量的非线性组合是否有能力解释响应 变量,模型指定错误,因为数据 生成过程可能可以更好地用多项式或 另一种非线性函数形式”
它测试包含解释变量的更高阶多项式(在您的示例中,由于
power=2
产生的二阶多项式)是否具有任何额外的解释力。本质上,您测试回归量的二阶项是否与零共同显着不同。
假设您使用 5% 作为重要性的临界值。在这种情况下,您(几乎)无法拒绝零假设,即包含二次项可以提高线性模型的拟合度。
我会查看您的回复,即使用“拟合”会给您提供 0.4047 的 p 值。
请记住,此测试的目的是看看在您的模型中我们是否应该使用二次或更高的幂项。原假设是二次(或更高的幂)更好。如果我们在这种情况下拒绝零,那么我们就说统计上的一阶项更好。
当您得到的 p 值小于 0.05 时,这意味着您拒绝原假设 - 这意味着从统计角度来看,您的模型在使用一阶项时效果更好。当您得到 0.05568 时,您应该进一步调查模型中是否需要更多的一阶项。
当您添加“拟合”等内容时,p 值甚至更高。这意味着一阶项是否充分的确定性更小。
了解您正在使用“拟合”、“回归”和“本金”值做什么非常重要。