T-Test von Slopes und Intercepts

Allgemeine Statistik mit R, die Test-Methode ist noch nicht bekannt, ich habe noch keinen Plan!

Moderatoren: EDi, jogo

Antworten
studybudy
Beiträge: 3
Registriert: Sa Jul 03, 2021 10:32 am

T-Test von Slopes und Intercepts

Beitrag von studybudy »

Hallo! Ich möchte gerne mit einem Einstichproben-T-Test prüfen, ob sich die Slopes und Intercepts von verschiedenen Bedingungen signifikant von 0 unterscheiden. Dafür habe ich erstmal eine Regression gerechnet, um auf b0 (Intercept) und b1 (Slope) überhaupt zu kommen.
Wie mache ich jetzt weiter? Wie muss der T-Test aussehen?

Das war meine Regression:
attach(r11)
Regression2 <- dplyr::group_by(r11, VP, Glasses) %>% summarize(b0 = coef(lm(M ~ Abstand))[1],b1 = coef(lm(M ~ Abstand))[2])
Benutzeravatar
EDi
Beiträge: 1599
Registriert: Sa Okt 08, 2016 3:39 pm

Re: T-Test von Slopes und Intercepts

Beitrag von EDi »

summary.lm gibt dir diese aus.
broom:: tidy sicherlich auch.
Bitte immer ein reproduzierbares Minimalbeispiel angeben. Meinungen gehören mir und geben nicht die meines Brötchengebers wieder.

Dieser Beitrag ist lizensiert unter einer CC BY 4.0 Lizenz
Bild.
studybudy
Beiträge: 3
Registriert: Sa Jul 03, 2021 10:32 am

Re: T-Test von Slopes und Intercepts

Beitrag von studybudy »

Ich würde jetzt nur gerne einen T-Test mit der Steigung und dem Intercept durchführen, um zu schauen, ob sie signifikant von 0 verschieden sind. Das bedeutet, ich habe für meinen T-Test nur einen Wert, den ich gegen 0 testen will. Daher gibt mir r die Fehlermeldung raus, dass x zu wenig Werte hat.
Wie kann ich das beheben? X ist schließlich tatsächlich nur ein Wert und soll es auch sein.

Hier meine Befehle:
t.test(Datensatz$b0, mu=0)
t.test(Datensatz$b1, mu=0)

Fehlermeldung:
Error in t.test.default(Datensatz$b1, mu = 0) :
not enough 'x' observations
bigben
Beiträge: 2771
Registriert: Mi Okt 12, 2016 9:09 am

Re: T-Test von Slopes und Intercepts

Beitrag von bigben »

Das stimmt, mit dem Wert allein kann man keinen t-Test rechnen. Erfreulicherweise sagt Dir die Regression über den Wert hinaus auch dessen Standardfehler. Normalerweise braucht man den von Dir vorgeschlagenen Test nie zu rechnen, weil er bei der Regression gleich mit berechnet wird:

Code: Alles auswählen

> summary(lm(Sepal.Width ~ Sepal.Length, data = iris))

Call:
lm(formula = Sepal.Width ~ Sepal.Length, data = iris)

Residuals:
    Min      1Q  Median      3Q     Max 
-1.1095 -0.2454 -0.0167  0.2763  1.3338 

Coefficients:
             Estimate Std. Error t value Pr(>|t|)    
(Intercept)   3.41895    0.25356   13.48   <2e-16 ***
Sepal.Length -0.06188    0.04297   -1.44    0.152    
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

Residual standard error: 0.4343 on 148 degrees of freedom
Multiple R-squared:  0.01382,	Adjusted R-squared:  0.007159 
F-statistic: 2.074 on 1 and 148 DF,  p-value: 0.1519
In der Spalte "Pr[>|t|]" findest Du die p-Werte des von Dir vorgesehenen t-Test, in der Spalte links davon die t-Werte.

Die Funktion t.test() rechnet t-Tests nur auf der Basis der Rohwerte, nicht aufgrund von Werten und Standardfehlern.

LG,
Bernhard
---
Programmiere stets so, dass die Maxime Deines Programmierstils Grundlage allgemeiner Gesetzgebung sein könnte
Antworten