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