R-回归系数的显着性检验

Question

我有两个假设（A和B）H0_A b1 <= 0; H1_A：b1> 0H0_B b2> = 0; H1_B：b2 <0

为了估计系数b1和b2，我进行了回归lm（y〜x1 + x2）。

我的问题：如何根据其假设设置来获得每个系数（b1，b2）的p值，以查看是否可以拒绝零假设？

当我在回归上使用summary（）函数时，将说明p值，但我认为它们仅考虑β不等于零的情况。

非常感谢！

Answer 1

lm()函数默认为双向备用假设检验。请注意，除非您有很强的理论基础（先验），否则您应该默认使用双面方案，而只对一方感兴趣。可复制的示例可帮助社区更好地为您服务。我建议使用以下代码来帮助提取您的p值。根据需要调整分配功能。

# Extracting your p-values (two-sided alternative)

mod <- lm(y ~ x1 + x2, data = ...)
summary(mod)$coefficient[ ,"Pr(>|t|)"]

# Adjusting you're rejection regions

output <- summary( lm(y ~ x1 + x2, data = ...) )

t <- coef(output)[ ,3]   # extracting the t-values
df <- output$df          # extracting the degrees of freedom
pt(t, df, lower = ...)   # lower = TRUE/FALSE (b < 0 or b > 0, respectively)