Tes perbedaan yang signifikan antara dua nilai kemiringan

Data yang saya miliki adalah nilai kemiringan regresi waktu y, kesalahan standar, nilai n dan nilai ap, untuk spesies tertentu di dua area yang berbeda. Saya ingin memeriksa apakah kemiringan regresi untuk satu area berbeda secara signifikan dari kemiringan regresi untuk area lain - apakah ini mungkin dengan data seperti itu? Adakah yang punya saran bagaimana saya bisa melakukan ini? Sayangnya saya tidak bisa mendapatkan akses ke data mentah ...

Maaf, ini pertanyaan yang sangat sederhana!

r regression statistical-significance

— Sarah
sumber

Ini menunjukkan bagaimana membandingkan lereng dengan uji F interaksi, perbandingan kemiringan langsung, dan Fisher's r-to-z menggunakan kode R: stats.stackexchange.com/a/299651/35304

— Sawyer

Jawaban:

Artikel berikut mungkin bermanfaat bagi Anda, karena artikel ini menjelaskan cara mengevaluasi jika efek dari faktor penjelas yang diberikan tidak berubah daripada orang, waktu, atau organisasi:

Paternoster, R., Brame, R., Mazerolle, P., & Piquero, AR (1998). Menggunakan Uji Statistik yang Benar untuk Kesetaraan Koefisien Koefisien. Criminology, 36 (4), 859–866.

Apa yang mereka katakan pada dasarnya adalah, bahwa untuk menguji hipotesis bahwa perbedaan antara dan (1 dan 2 menjadi dua sampel atau waktu) sama dengan nol Anda dapat menerapkan rumus berikut: $b_1$ $b_2$

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

SE menjadi kesalahan standar masing-masing 'lereng' dalam kasus Anda.

— Marloes
sumber

Kwanti, bisakah Anda meringkas apa yang dikatakan artikel ini?

— whuber

Artikel ini adalah akses terbuka di sini: udel.edu/soc/faculty/parker/SOCI836_S08_files/…

— Sarah

Kutipan itu baik-baik saja tetapi tampaknya benar-benar ditargetkan pada disiplin yang telah kehilangan arahnya. Saya pikir saya lebih suka Cohen, J., Cohen, P., West, SG, & Aiken, LS (2003). Analisis regresi / korelasi berganda diterapkan untuk ilmu perilaku (edisi ke-3). Mahwah, New Jersey: Lawrence Erlbaum Associates, Penerbit. halaman 46-47 yang memberi Anda interval kepercayaan yang memberi Anda perhitungan kesalahan standar yang merupakan lompatan hop dan lompatan ke statistik Z dalam makalah yang dikutip di atas.

— russellpierce

@rpierce: Mungkin Anda dapat memposting rincian tentang apa yang Anda bicarakan dalam jawaban terpisah, bagi kita yang tidak memiliki akses ke buku itu?

— naught101

@ naught101 perhitungannya ternyata sama. Saya hanya menyatakan pendapat bahwa Cohen et al. adalah sumber yang lebih otoritatif.

— russellpierce

Jika lereng berasal dari regresi kuadrat terkecil biasa, akan lebih baik untuk memverifikasi bahwa data tahun-ke-tahun yang menghasilkan nilai-nilai ini memang independen. Sebagian besar studi penangkapan-penangkapan kembali perlu memperhitungkan volume tahun-tahun sebelumnya menggunakan beberapa metode penanganan ketergantungan volume dari waktu ke waktu.

Menggunakan kesalahan standar, Anda dapat membuat interval kepercayaan di sekitar parameter kemiringan Anda. Tes naif untuk apakah mereka berbeda pada tingkat benar adalah untuk memeriksa apakah ada interval kepercayaan yang tumpang tindih. (Perhatikan interval kepercayaan dari satu parameter harus tumpang tindih dengan nilai parameter aktual lainnya, bukan interval kepercayaannya, agar gagal menolak hipotesis nol bahwa mereka berbeda). $\alpha$

— AdamO
sumber

Terima kasih adam Saya sudah memiliki kesalahan standar sehingga saya bisa menghitung interval kepercayaan langsung dari ini ... Terima kasih atas tipnya ...

— Sarah

Saya melewatkan itu. Saya akan memperbaiki jawaban saya untuk menyingkirkan aljabar yang membosankan.

— AdamO

Saya percaya mendorong tes seperti itu berdasarkan inspeksi visual adalah ide yang buruk. Juga, saya tidak berpikir kriteria tumpang tindih yang dinyatakan sangat baik. Memang Anda mengatakan 'naif.' Mean dan varians diketahui; bagaimana dengan z -test?

— ndoogan

Itu bukan tes berdasarkan inspeksi visual. Tes yang didasarkan pada tumpang tindih interval kepercayaan 95% setara dengan tes Wald yang konsisten dan tidak bias. Ini juga dapat digambarkan secara grafik dengan plot hutan dengan interval kepercayaan 95%. Jika tidak, tidak ada masalah pengujian ganda yang diperkenalkan oleh tes ini (konsekuensi biasa dari analisis eksplorasi menggunakan plot berlebihan).

— AdamO

Halo, terima kasih atas komentar Anda. Saya akhirnya berhasil mendapatkan data mentah, jadi ini harus mempermudah!

— Sarah

Cara klasik (dan lebih kuat secara statistik) dari pengujian ini adalah dengan menggabungkan kedua set data menjadi model regresi tunggal dan kemudian memasukkan area sebagai istilah interaksi. Lihat, misalnya, di sini:

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

— a11msp
sumber

Ini "lebih ... kuat" hanya jika asumsi yang lebih ketat berlaku. Secara khusus, ini mengasumsikan variansi kesalahan homoseksual. Seringkali orang tidak ingin berasumsi bahwa (tanpa pembenaran tambahan) dan karena itu akan menggunakan sesuatu seperti uji t Welch atau Satterthwaite.

— whuber