用线性模型比较两组

编程问答 2022-05-23

问题描述

当 parendiv 是我的因变量而routine1997 是我的自变量时，我想进行回归，并将男性与女性进行比较

enter image description here

。代码是这样的：

structure(list(gender = structure(c(2L,1L,2L,2L),.Label = c("male","female"),class = "factor"),parent = structure(c(2L,1L),.Label = c("intact","parentaldivorce"),routine = structure(c(1L,NA,3L,3L),.Label = c("Med","High","Low"),class = "factor")),row.names = c(3L,5L,6L,7L,8L,9L,10L,11L,16L,18L,19L,21L,22L,23L,24L,25L,28L,29L,30L,34L),class = "data.frame")

这是代码，我想专门比较男女之间的系数。

lm(parent~routine,data=nlsy97,subset=gender)

解决方法

有两种比较系数的方法。 最简单的方法是将性别编码为虚拟 (0/1) 并在模型中包含一个交互项。然后，您会得到性别对系数的影响，并带有 p 值：

out = lm(parent ~ routine + gender + routine*gender,data=nlsy97)

另一种方法是使用多组回归并将合并回归模型（包括所有性别）与未合并模型（性别的单独斜率或截距或两者兼而有之）进行比较。具有最小 AIC 的模型最适合数据。如果您的随机斜率模型产生最低的 AIC，则您的效果存在性别差异。如果随机截距是最好的，那么您只是在性别之间存在水平差异，但可以假设效果相同。

library(lme4)
pooled = lm(parent ~ routine,data=nlsy97)
r.inter = lmer(parent ~ routine + (1|gender),data=nlsy97)
r.slope = lmer(parent ~ routine + (routine|gender),data=nlsy97)
r.unpooled = lmer(parent ~ routine + (1+routine|gender),data=nlsy97)

AIC(pooled)
AIC(r.inter)
AIC(r.slope)
AIC(r.unpooled)

在具有最低 AIC 的模型上使用 coefficients() 方法可为您提供各个组的准确系数。

编辑：我刚刚注意到您总共只有 20 个案例。如果这是您的整个数据集，您可能根本不应该进行任何统计分析。

rrregressionsubset