[英]Address unequal variance between groups before applying contrasts for a linear model? (r)
我的目標:我有一個有序因子變量(5 個級別),我想對其應用對比來測試線性趨勢。 然而,因子組具有方差異質性。
我所做的:根據推薦,我使用了robust
pckg 中的lmRob()
來創建一個強大的線性模型,然后應用對比。
# assign the codes for a linear contrast of 5 groups, save as object
contrast5 <- contr.poly(5)
# set contrast property of sf1 to contain the weights
contrasts(SCI$sf1) <- contrast5
# fit and save a robust model (exhaustive instead of subsampling)
robmod.sf1 <- lmRob(ICECAP_A ~ sf1, data = SCI, nrep = Exhaustive)
summary.lmRob(robmod.sf1)
我的問題:從那以后,我一直在讀到穩健回歸更適合解決異常值,而不是方差的異質性。 ( https://stats.idre.ucla.edu/r/dae/robust-regression/_ 的底部)加州大學洛杉磯分校的這個頁面(以及其他頁面)建議使用sandwich
包來獲得異方差一致(HC)標准錯誤(例如在https://thestatsgeek.com/2014/02/14/the-robust-sandwich-variance-estimator-for-linear-regression-using-r/ )。
但是這些示例使用一系列函數/調用來生成輸出,為您提供可用於計算置信區間、t 值、p 值等的 HC。
我的想法是,如果我使用vcovHC()
,我可能會得到 HC std 錯誤,但是 HC std 錯誤不會被“應用”/模型的屬性,所以我無法通過模型(使用 HC錯誤)通過一個函數來應用我最終想要的對比。 我希望我不會將兩個獨立的概念混為一談,但是如果一個函數處理/降低異常值的權重,那至少也應該在某種程度上解決不平等的差異?
任何人都可以確認我的推理是否合理(因此保留lmRob()
?或者建議我如何糾正我的標准錯誤並仍然應用對比?
vcovHC
是處理異方差的正確函數。 HC 代表異方差一致估計量。 這不會降低模型效應估計中的異常值的權重,但它會以不同的方式計算 CI 和 p 值,以適應此類異常觀察的影響。 lmRob
會降低外圍值的權重,並且不會處理異方差
在此處查看更多信息: https : //stats.stackexchange.com/questions/50778/sandwich-estimator-intuition/50788#50788
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.