我有使用其他程序进行回归分析的结果，我想用R测试它们是否重要。我知道ls.diag（）计算回归结果的标准误差和t检验，但它需要一个非常特定的输入格式（即lsfit（）的结果），所以我认为我不能使用它。 r中是否有任何计算标准误差的函数和回归分析的t检验，这些函数允许我简单地手动给出函数的相关系数？
答案 0 :(得分：4)
我不太确定这是你正在寻找的东西，但这是一个指南
# this is a model obtained from ?lm
ctl <- c(4.17,5.58,5.18,6.11,4.50,4.61,5.17,4.53,5.33,5.14)
trt <- c(4.81,4.17,4.41,3.59,5.87,3.83,6.03,4.89,4.32,4.69)
group <- gl(2,10,20, labels=c("Ctl","Trt"))
weight <- c(ctl, trt)
lm.D9 <- lm(weight ~ group)
summary(lm.D9) this is our target
假设我们只有回归系数，标准误差和样本量
beta <- coef(lm.D9)
errorBeta <- summary(lm.D9)$coefficients[,2]
n <- length(weight) # the sample size
k <- length(beta) # number of regression parameters
我认为这是你的情况，如果你没有系数标准误差，那么你必须估计它们，这很容易。
一旦得到回归系数及其标准误差，就可以估算出t-stat：
t_stats <- beta/errorBeta
经验法则规定如果| t_stats | ＆gt; = 2然后系数在5％水平上具有统计显着性。但是如果你想知道p值，那么使用：
pt(abs(t_stats), n-k, lower.tail=FALSE)*2
如果p值> 0.05然后相关系数在该水平上不具统计显着性。
您需要的只是了解系数，标准误差和样本量。否则你不会这样做。