GLHT für multiple Regressionskoeffizienten R in

Ich habe ein GLM BinomialmodellsGLHT für multiple Regressionskoeffizienten R in

laufen

fit <- glm(highlow ~ V1 + V2 + V3 + V4 + V5 + V6 + V7 + V8 + V9 + V10, 
     family="binomial")

die Nullhypothese von V1 = V2 Um zu testen, habe ich den folgenden Code verwendet.

glht.mod <- glht(fit, linfct = c("V1 - V2 = 0")) 
summary(glht.mod)

Meine Frage ist, kann ich, ob V1 testen = V2 = V3 (Nullhypothese aller drei Koeffizienten gleich - man beachte dies als Test nicht das gleiche ist, ob V1 = V2 und V2 = V3 in separaten Iterationen)?

Wenn es keine Hilfe, ich bin der Lage, dies in SAS zu erreichen mit dem folgenden Code

proc logistic; 
    model highlow = V1 V2 V3 V4 V5 V6 V7 V8 V9 V10; 
    test1: V1 = V2; 
    test2: V1 = V2 = V3; 
run;

Quelle

2017-05-05 Jorvik77

Mit Blick auf die SAS Handbuch für die ' test' statement im proc 'logistic' (https://support.sas.com/documentation/cdl/en/statug/63347/HTML/default/viewer.htm#statug_logistic_sect025.htm) finden Sie die Aussage" test3 : Test a1 = a2 = a3; test4: Test a1 = a2, a2 = a3; sind gleichwertig. –

Das ist richtig, aber in Test3 und Test4 im SAS-Handbuch werden die Tests im selben Schritt ausgeführt. Dies ist, was ich in R nicht weiß. Ich bin in der Lage, das Äquivalent in SAS von Test1 zu machen V1 = V2; test2 V2 = V3; Was ich nicht kann, ist Test1 V1 = V2 = V3; oder wenn Sie Test1 bevorzugen V1 = V2, V2 = V3; – Jorvik77

Danke. Es sieht so aus, als ob das die Lösung ist, nach der ich gesucht habe. – Jorvik77

A possibile Lösung für Ihr Problem:

set.seed(1) 
n <- 1000 
highlow <- factor(runif(n)>0.5) 
X <- matrix(rnorm(n*10),nrow=n) 
df <- data.frame(highlow, X) 
names(df) <- c("highlow", paste("V",1:10,sep="")) 

fit <- glm(highlow ~ V1 + V2 + V3 + V4 + V5 + V6 + V7 + V8 + V9 + V10, 
     family="binomial", data=df) 

library(car) 
linearHypothesis(fit, c("V1-V2", "V2-V3"), c(0,0)) 


################ 
Linear hypothesis test 

Hypothesis: 
V1 - V2 = 0 
V2 - V3 = 0 

Model 1: restricted model 
Model 2: highlow ~ V1 + V2 + V3 + V4 + V5 + V6 + V7 + V8 + V9 + V10 

    Res.Df Df Chisq Pr(>Chisq) 
1 991      
2 989 2 0.2761  0.871

Quelle

2017-05-05 16:54:12

GLHT für multiple Regressionskoeffizienten R in

Antwort

Verwandte Themen