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!
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)