在R中的lmtest中更改零假設

Question

我有一個使用lm生成的線性模型。 我在軟件包lmtest使用coeftest函數，用sandwich包裝中所需的vcov檢驗假設。 默認的零假設為beta = 0 。 例如，如果我想測試beta = 1怎么辦。 我知道我可以簡單地將估計的系數減去1並除以提供的標准誤差即可得出我的假設的t統計量。 但是，R中必須已經有此功能。執行此操作的正確方法是什么？

MWE：

require(lmtest)
require(sandwich)
set.seed(123)
x = 1:10
y = x + rnorm(10)
mdl = lm(y ~ x)
z = coeftest(mdl, df=Inf, vcov=NeweyWest)
b = z[2,1]
se = z[2,2]
mytstat = (b-1)/se
print(mytstat)

Answer 1

形式上正確的方法：

require(multcomp)
zed = glht(model=mdl, linfct=matrix(c(0,1), nrow=1, ncol=2), rhs=1, alternative="two.sided", vcov.=NeweyWest)
summary(zed)

Answer 2

使用-1 * x的偏移量

mdl<-lm(y~x)
mdl2 <- lm(y ~ x-offset(x) )

> mdl

Call:
lm(formula = y ~ x)

Coefficients:
(Intercept)            x  
     0.5255       0.9180  

> mdl2

Call:
lm(formula = y ~ x - offset(x))

Coefficients:
(Intercept)            x  
    0.52547     -0.08197 

您可以查看summary(mdl2)來查看p值（它與mdl的相同）。

Answer 3

據我所知，沒有默認函數可以針對任意值（在您的情況下為1 ）測試模型系數。 在另一個答案中提供了offset技巧，但這並不是那么簡單（並且始終要小心修改模型）。 因此，您的表達式(b-1)/se實際上是實現它的一種好方法 。

我對您的代碼有兩個注釋：

1. 您可以使用summary(mdl)來獲得0的t檢驗。
2. 您正在使用具有協方差結構的lmtest （這將更改t檢驗值），但是您的原始lm模型沒有此功能。 也許這可能是一個問題？ 也許您應該使用glm並從一開始就指定相關結構。