Sprawdź znaczącą różnicę między dwiema wartościami nachylenia

Dane, które posiadam, to wartość nachylenia regresji wynosząca y ~ czas, błąd standardowy, wartość n oraz wartość ap, dla określonego gatunku w dwóch różnych obszarach. Chcę sprawdzić, czy nachylenie regresji dla jednego obszaru znacznie różni się od nachylenia regresji dla drugiego obszaru - czy jest to możliwe przy takich danych? Czy ktoś ma jakieś sugestie, jak mogę o tym poradzić? Niestety nie mogę uzyskać dostępu do surowych danych ...

Przepraszam, że to takie proste pytanie!

r regression statistical-significance Sarah
źródło

To pokazuje, jak porównać zbocza z testem interakcji F, bezpośrednim porównaniem zboczy i r-do-z Fishera za pomocą kodu R: stats.stackexchange.com/a/299651/35304

Kayle Sawyer

Odpowiedzi:

Poniższy artykuł może być dla Ciebie pomocny, ponieważ opisuje, jak ocenić, czy wpływ danego czynnika wyjaśniającego jest niezmienny w stosunku do osób, czasu lub organizacji:

Paternoster, R., Brame, R., Mazerolle, P., i Piquero, AR (1998). Korzystanie z właściwego testu statystycznego dla współczynników równości regresji. Kryminologia, 36 (4), 859–866.

Mówią w zasadzie, że aby przetestować hipotezę, że różnica między i (1 i 2 to dwie próbki lub czasy) jest równa zeru, można zastosować następujący wzór: $b_1$ $b_2$

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

SE jest standardowym błędem odpowiednich „zboczy” w twoim przypadku.

Marloes
źródło

Kwanti, czy mógłbyś streścić to, co mówi ten artykuł?

whuber

Artykuł jest otwarty tutaj: udel.edu/soc/faculty/parker/SOCI836_S08_files/…

Sarah

To cytowanie jest w porządku, ale wydaje się, że naprawdę koncentruje się na dyscyplinie, która zgubiła swoją drogę. Myślę, że wolałbym Cohen, J., Cohen, P., West, SG, i Aiken, LS (2003). Zastosował wielokrotną analizę regresji / korelacji dla nauk behawioralnych (wydanie trzecie). Mahwah, New Jersey: Lawrence Erlbaum Associates, wydawcy. strony 46-47, która daje przedział ufności, który daje standardowe obliczenie błędu, z którego jest to przeskok przeskoku i skok do statystyki Z w cytowanym powyżej artykule.

russellpierce

@rpierce: Może możesz opublikować szczegóły tego, o czym mówisz w osobnej odpowiedzi, dla tych z nas, którzy nie mają dostępu do tej książki?

naught101

@ naught101 obliczenia okazują się takie same. Ja tylko stwierdzałem opinię, że Cohen i in. jest bardziej wiarygodnym źródłem.

russellpierce

Jeśli nachylenia pochodzą ze zwykłej regresji metodą najmniejszych kwadratów, dobrze byłoby sprawdzić, czy dane z roku na rok, które wygenerowały te wartości, są rzeczywiście niezależne. Większość badań przechwytywania i wychwytywania musi uwzględniać wolumeny z poprzednich lat, stosując pewną metodę radzenia sobie z zależnością objętości w czasie.

$\alpha$

AdamO
źródło

Dzięki AdamO. Mam już standardowe błędy, więc mogłem obliczyć przedziały ufności bezpośrednio z tych ... Dzięki za wskazówkę ...

Sarah

Tęsknie za tym. Poprawię swoją odpowiedź, aby pozbyć się nużącej algebry.

AdamO,

Uważam, że zachęcanie do takiego testu opartego na oględzinach to zły pomysł. Nie uważam też, aby podane kryteria nakładania się były bardzo dobre. To prawda, że powiedziałeś „naiwny”. Średnia i wariancja są znane; jak o oo -test?

ndoogan

To nie jest test oparty na oględzinach. Testy oparte na nakładaniu się 95% przedziałów ufności są równoważne testowi Walda, który jest spójny i bezstronny. Dogodnie można to również przedstawić graficznie za pomocą działki leśnej o 95% przedziałach ufności. W przeciwnym razie ten test nie wprowadza wielu problemów testowych (zwykła konsekwencja analiz eksploracyjnych z wykorzystaniem nadmiernych wykresów).

AdamO,

Witam, dziękuję wszystkim za komentarze. W końcu udało mi się zdobyć surowe dane, więc to powinno uprościć sprawę!

Sarah,

Klasycznym (i bardziej zaawansowanym statystycznie) sposobem testowania jest połączenie obu zestawów danych w jeden model regresji, a następnie uwzględnienie obszaru jako terminu interakcji. Zobacz na przykład tutaj:

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

a11msp
źródło

Jest to „bardziej… mocne” tylko wtedy, gdy obowiązują bardziej restrykcyjne założenia. W szczególności zakłada homoscedastyczność wariancji błędów. Często nie chce się tego zakładać (bez dodatkowego uzasadnienia) i dlatego używa się czegoś takiego jak test t Welch lub Satterthwaite.

whuber