如何利用协方差分析来比较三个以上直线回归方程斜率差异显著性呢？

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

各位高手，我在阅读国外文献时发现多篇研究都在使用协方差分析来比较若干组回归直线斜率和截距的显著性问题，怎么才能在R中的协方差分析中判断这个问题呢？

我给出一个例子，如果哪位高手有兴趣和有能力，请帮助分析一下这三组直线的斜率和截距的各自差异的显著性问题：

Call:
lm(formula = r ~ T + style)
Residuals:
      Min        1Q    Median        3Q       Max
-0.109607 -0.032515 -0.004487  0.021650  0.316366
Coefficients:
              Estimate Std. Error t value Pr(>|t|)   
(Intercept) -0.2118790  0.0092664 -22.865  < 2e-16 ***
T            0.0137758  0.0003535  38.965  < 2e-16 ***
style2       0.0459175  0.0075561   6.077 2.08e-09 ***
style3       0.1364258  0.0079040  17.260  < 2e-16 ***
style4       0.1144669  0.0081336  14.073  < 2e-16 ***
style5       0.0147790  0.0082439   1.793   0.0735 .  
style6       0.0176873  0.0083625   2.115   0.0348 *  
style7      -0.0807718  0.0083625  -9.659  < 2e-16 ***
style8       0.0110813  0.0077218   1.435   0.1517   
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
Residual standard error: 0.05536 on 655 degrees of freedom
Multiple R-squared: 0.7794,     Adjusted R-squared: 0.7767
F-statistic: 289.3 on 8 and 655 DF,  p-value: < 2.2e-16

其中，T是自变量，r是依变量，分为style1,style2,...,style8八个不同的类型，现在要看这8个不同类型分别得到的直线斜率之间有没有显著性差异，通过上述分析结果，有没有差异呢？截距呢？不同类型有没有显著性差异？

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏1 回帖

关键词：协方差分析 方差分析 回归方程 协方差 coefficients 方程 直线 协方差分析 斜率

现在如果这么命令得到
Call:
lm(formula = r ~ T * style)

Residuals:
      Min        1Q    Median        3Q       Max
-0.138548 -0.015316 -0.002142  0.012784  0.218291

Coefficients:
              Estimate Std. Error t value Pr(>|t|)   
(Intercept) -0.1120277  0.0122881  -9.117  < 2e-16 ***
T            0.0092829  0.0005321  17.446  < 2e-16 ***
style2      -0.0973915  0.0194299  -5.012 6.94e-07 ***
style3      -0.2196725  0.0205475 -10.691  < 2e-16 ***
style4      -0.2173575  0.0213447 -10.183  < 2e-16 ***
style5      -0.0540966  0.0217191  -2.491 0.012997 *  
style6      -0.0566484  0.0221285  -2.560 0.010694 *  
style7       0.0797543  0.0221285   3.604 0.000337 ***
style8      -0.0168126  0.0199744  -0.842 0.400263   
T:style2     0.0064174  0.0008352   7.684 5.73e-14 ***
T:style3     0.0157410  0.0008784  17.920  < 2e-16 ***
T:style4     0.0146482  0.0009109  16.081  < 2e-16 ***
T:style5     0.0031398  0.0009255   3.393 0.000734 ***
T:style6     0.0033810  0.0009413   3.592 0.000353 ***
T:style7    -0.0068537  0.0009413  -7.281 9.65e-13 ***
T:style8     0.0014576  0.0008339   1.748 0.080956 .  
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

Residual standard error: 0.03764 on 648 degrees of freedom
Multiple R-squared: 0.8991,     Adjusted R-squared: 0.8968
F-statistic: 385.1 on 15 and 648 DF,  p-value: < 2.2e-16
又怎么分析呢？

打星号的是有意义的。

晕~
我也知道p值小于0.05是有意义的。但是说明了什么了什么么问题呢？