2つの勾配値の有意差をテストする

私が持っているデータは、2つの異なる地域の特定の種について、y〜timeの回帰勾配値、標準誤差、n値、およびp値です。あるエリアの回帰スロープが他のエリアの回帰スロープと有意に異なるかどうかを確認したいのですが、これはそのようなデータで可能ですか？誰も私がこれについてどうすればいいか提案がありますか？残念ながら、生データにアクセスできません...

これはとても簡単な質問です！

r regression statistical-significance

— サラ
ソース

：インタラクションF検定、直接傾き比較、及びフィッシャーRツーZ Rのコードを使用して傾きを比較する方法、この番組stats.stackexchange.com/a/299651/35304

— Kayleソーヤー

回答:

次の記事は、特定の説明要因の効果が人、時間、または組織に対して不変であるかどうかを評価する方法を説明しているので、役立つかもしれません。

Paternoster、R.、Brame、R.、Mazerolle、P.、＆Piquero、AR（1998）。回帰係数の平等のための正しい統計的検定の使用。犯罪学、36（4）、859–866。

彼らが基本的に言うことは、と（1と2は2つのサンプルまたは時間である）の差がゼロに等しいという仮説をテストするために、次の式を適用できるということです。 $b_1$ $b_2$

$\begin{equation} Z= \frac{b_1-b_2}{\sqrt{{SEb_1}^{2}+{SEb_2}^2}} \end{equation}$

SEは、あなたの場合のそれぞれの「勾配」の標準誤差です。

— マーローズ
ソース

クワンティ、この記事の内容を要約していただけますか？

— whuber

この記事へのアクセスはこちら：udel.edu/soc/faculty/parker/SOCI836_S08_files/…–

— サラ

その引用は結構ですが、道を失った規律を本当にターゲットにしているようです。Cohen、J.、Cohen、P.、West、SG、＆Aiken、LS（2003）を好むと思います。行動科学に重回帰/相関分析を適用しました（第3版）。ニュージャージー州マーワー：ローレンス・エルバウム・アソシエイツ、出版社。ページ46-47では、上記の論文のホップスキップとZ統計へのジャンプである標準誤差計算を提供する信頼区間を提供しています。

— ラッセルピアス

@rpierce：その本にアクセスできない私たちのために、あなたが話していることの詳細を別の答えに投稿することができますか？

— -naught101

@ naught101計算は同じであることが判明しました。私は、Cohen et al。より信頼できるソースです。

— ラッセルピアス

傾きが通常の最小二乗回帰に由来する場合、これらの値を生成した年ごとのデータが実際に独立していることを検証することは良いことです。ほとんどのキャプチャ再キャプチャの研究では、ボリュームの経時的な依存性を処理する何らかの方法を使用して、過去のボリュームを考慮する必要があります。

$\alpha$

— AdamO
ソース

AdamOに感謝します。私はすでに標準誤差を持っているので、これらから直接信頼区間を計算することができます...ヒントをありがとう

— サラ

私は逃しました。退屈な代数を取り除くために答えを修正します。

— AdamO

目視検査に基づいたこのようなテストを奨励することは悪い考えだと思います。同様に、私は述べられた重複基準が非常に良いとは思わない。「ナイーブ」と言ったのは確かです。平均と分散は既知です。方法については、Z -test？

— ndoogan

これは、目視検査に基づいたテストではありません。95％の信頼区間のオーバーラップに基づくテストは、一貫性のある公平なWaldテストと同等です。また、95％の信頼区間のフォレストプロットを使用してグラフィカルに表示することもできます。それ以外の場合、このテストによって導入された複数のテストの問題はありません（過剰なプロットを使用した探索的分析の通常の結果）。

— AdamO

こんにちは、コメントありがとうございます。私はついに生データを取得することができたので、これは物事を単純化するはずです！

— サラ

これをテストする古典的な（そしてより統計的に強力な）方法は、両方のデータセットを単一の回帰モデルに結合し、その領域を相互作用用語として含めることです。たとえば、ここを参照してください：

http://www.theanalysisfactor.com/compare-regression-coefficients/

— a11msp
ソース

これは、より制限的な仮定が適用される場合にのみ、「より強力な」ものになります。特に、誤差分散の等分散性を想定しています。多くの場合、それを（追加の正当化なしで）仮定したくないため、WelchまたはSatterthwaite t検定のようなものを使用します。

— whuber