Test de l'égalité des coefficients multiples dans R

Question

je le modèle suivant:

y = b1_group1*X1 + b1_group2*X1 + b2_group1*X2 + b2_group2*X2 + ... + 
    b10_group1*X10 + b10_group2*X10 

facilement fait en R comme suit:

OLS <- lm(Y ~ t1:Group + t2:Group + t3:Group + t4:Group + t5:Group + t6:Group + 
      t7:Group + t8:Group + t9:Group + t10:Group,weights = weight, Alldata) 

Stata, je peux maintenant faire le test suivant:

test (b1_group1=b1_group2) (b2_group1=b2_group2) (b3_group1=b3_group2) 

• b1_group1 - b1_group2 = 0
• b2_group1 - b2_group2 = 0
• b3_group1 - b3_group2 = 0

Ce qui me dit que le groupe de coefficents de X1, X2 et X3 sont conjointement différents entre le groupe 1 et le groupe 2 au moyen d'un test F .

Quelqu'un peut-il s'il vous plaît dire comment faire cela dans R? Merci!

Answer 1

Regardez cet exemple:

library(car) 

mod <- lm(mpg ~ disp + hp + drat*wt, mtcars) 
linearHypothesis(mod, c("disp = hp", "disp = drat", "disp = drat:wt")) 
Linear hypothesis test 

Hypothesis: 
disp - hp = 0 
disp - drat = 0 
disp - drat:wt = 0 

Model 1: restricted model 
Model 2: mpg ~ disp + hp + drat * wt 

    Res.Df RSS Df Sum of Sq  F Pr(>F) 
1  29 211.80        
2  26 164.67 3 47.129 2.4804 0.08337 . 
--- 
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1 

Voir ?linearHypothesis pour une variété d'autres façons de spécifier le test.

Alternative:

Les ci-dessus montre une façon rapide et facile à réaliser des tests d'hypothèses. Les utilisateurs ayant une solide compréhension de l'algèbre des tests d'hypothèses peuvent trouver l'approche suivante plus pratique, au moins pour les versions simples du test. Disons que nous voulons tester si les coefficients sur cyl et carb sont identiques ou non.

mod <- lm(mpg ~ disp + hp + cyl + carb, mtcars) 

Les tests suivants sont équivalents:

Testez un:

linearHypothesis(mod, c("cyl = carb")) 

Linear hypothesis test 
Hypothesis: 
cyl - carb = 0 
Model 1: restricted model 
Model 2: mpg ~ disp + hp + cyl + carb 
    Res.Df RSS Df Sum of Sq  F Pr(>F) 
1  28 238.83       
2  27 238.71 1 0.12128 0.0137 0.9076 

test deux:

rmod<- lm(mpg ~ disp + hp + I(cyl + carb), mtcars) 
anova(mod, rmod) 

Analysis of Variance Table 
Model 1: mpg ~ disp + hp + cyl + carb 
Model 2: mpg ~ disp + hp + I(cyl + carb) 
    Res.Df RSS Df Sum of Sq  F Pr(>F) 
1  27 238.71       
2  28 238.83 -1 -0.12128 0.0137 0.9076