โดยรวมค่า p และค่า p คู่ตามตัวอักษร?

ฉันได้รับการติดตั้งทั่วไปเชิงเส้นรูปแบบ มีโอกาสบันทึกเป็นL_u

y = β_{0} + β_{1} x_{1} + β_{2} x_{2} + β_{3} x_{3},

$y=\beta_0+\beta_1x_1+\beta_2x_2+\beta_3x_3,$

L_{u}

$L_u$

ตอนนี้ฉันต้องการทดสอบว่าสัมประสิทธิ์เหมือนกันหรือไม่

ครั้งแรกโดยรวมการทดสอบ: โอกาสเข้าสู่ระบบของการลดรูปแบบเป็นL_rโดยการทดสอบอัตราส่วนแบบเต็มรูปแบบเป็นอย่างดีกว่าหนึ่งลดลงด้วยp $y=\beta_0+\beta_1\cdot(x_1+x_2+x_3)$ $L_r$ $p=0.02$
ถัดไป ? รูปแบบที่ลดลงคือการ yผลลัพธ์คือไม่แตกต่างจากกับ $\beta_1=\beta_2$ $y=\beta_0+\beta_1\cdot(x_1+x_2)+\beta_2x_3$ $\beta_1$ $\beta_2$ $p=0.15$ p
ในทำนองเดียวกัน ? พวกเขาแตกต่างกับ $\beta_1=\beta_3$ $p=0.007$ p
สุดท้าย ? พวกเขาจะไม่แตกต่างกันกับp $\beta_2=\beta_3$ $p=0.12$

นี่ค่อนข้างสับสนสำหรับฉันเพราะฉันคาดว่าโดยรวมจะเล็กกว่าเนื่องจากเห็นได้ชัดว่าเป็นเกณฑ์ที่เข้มงวดกว่า (ผู้ที่สร้าง $p$ $0.007$ $\beta_1=\beta_2=\beta_3$ $\beta_1=\beta_3$ $p=0.007$ )

นั่นคือเนื่องจากฉัน "มั่นใจ" แล้วที่ไม่ถือฉันควรจะ "มั่นใจมากขึ้น" ที่ไม่ถือ ดังนั้นของฉัน $0.007$ $\beta_1=\beta_3$ $\beta_1=\beta_2=\beta_3$ $p$ ควรลงไป

ฉันกำลังทดสอบพวกเขาผิดหรือเปล่า? มิฉะนั้นฉันผิดในเหตุผลข้างต้นที่ไหน

hypothesis-testing

— การพนัน Sibbs
แหล่งที่มา

ฉันคิดว่า x1, x2 และ x3 เป็นระดับที่แตกต่างกันของปัจจัยที่คล้ายกัน จากนั้นฉันคิดว่าผลลัพธ์ที่น่าประหลาดใจอาจเกิดขึ้นจากจำนวนซ้ำของการจำลองแบบอิสระ (= หน่วยทดสอบ) ในแต่ละระดับ

— Rodolphe

ช่วงเวลาผ่อนผันของความโปรดปรานกำลังจะสิ้นสุดอย่าลังเลที่จะวิจารณ์หรือขอรายละเอียดเพิ่มเติมหากจำเป็น

— brumar

นั่นคือเนื่องจากฉันแล้ว "0.007 มั่นใจ" ที่ไม่ได้ถือฉันควรจะ "มั่นใจมากขึ้น" ที่ไม่ถือ ดังนั้น p ของฉันควรลงไป $\beta_1=\beta_3$ $\beta_1=\beta_2=\beta_3$

คำตอบสั้น ๆ :โอกาสของคุณควรลดลง แต่ที่นี่ค่า p ไม่ได้วัดความน่าจะเป็นหรือไม่ แต่การเปิดตัวของข้อ จำกัด บางอย่างให้การปรับปรุงที่สำคัญในความเป็นไปได้หรือไม่ นั่นเป็นเหตุผลที่ไม่ง่ายที่จะปฏิเสธ แทนที่จะปฏิเสธเพราะคุณต้องแสดงการปรับปรุงโอกาสที่ดีขึ้นมากในแบบจำลองที่มีข้อ จำกัด มากที่สุดเพื่อพิสูจน์ว่าการปลดปล่อยอิสรภาพ 2 องศาไปถึง แบบเต็ม "คุ้มค่า" $\beta_1=\beta_2=\beta_3$ $\beta_1=\beta_3$

การทำอย่างประณีต: มาวาดกราฟของการปรับปรุงความน่าจะเป็น กราฟความน่าจะเป็น
ข้อ จำกัด เพียงข้อเดียวที่จะหลีกเลี่ยงความขัดแย้งคือการปรับปรุงความน่าจะเป็นต้องเท่ากับผลรวมของการปรับปรุงความน่าจะเป็นจากเส้นทางอ้อม นั่นคือวิธีที่ฉันพบค่า p จากขั้นตอนที่ 1 ของเส้นทางอ้อม: โดยการปรับปรุงความน่าจะเป็นฉันหมายถึงอัตราส่วนความน่าจะเป็นของบันทึกที่แสดงโดยChi-squared นั่นคือเหตุผลที่พวกเขารวมกันในกราฟ ด้วยสคีนี้เราสามารถละทิ้งความขัดแย้งที่เห็นได้ชัดเนื่องจากการปรับปรุงความน่าจะเป็นของเส้นทางโดยตรงนั้นมาจากการปลดปล่อยอิสรภาพเพียงหนึ่งระดับเท่านั้น () ฉันขอแนะนำสองปัจจัยที่สามารถมีส่วนร่วมกับรูปแบบนี้

\frac{L_{3}}{L_{1}} = \frac{L_{3}}{L_{2}} \times \frac{L_{2}}{L_{1}}

$\frac{L_3}{L_1}=\frac{L_3}{L_2}\times\frac{L_2}{L_1}$

Δ

$\Delta$

β_{1} = β_{3}

$\beta_1=\beta_3$

มีช่วงความมั่นใจมากในแบบจำลองเต็มรูปแบบ $\beta_2$
ใกล้เคียงกับค่าเฉลี่ยของและในรูปแบบเต็ม $\beta_2$ $\beta_3$ $\beta_1$

$\beta_3=\beta_1=\beta_2$ $\beta_3=\beta_1$ $\beta_2$

$\frac{\beta_3+\beta_1}{2}=\beta_2$

— BRUMAR
แหล่งที่มา