[英]Comparing two curves for difference in trend
我有一些關於全州吸毒隨時間變化的趨勢的數據。 我想知道隨着時間的推移,靜脈吸毒的性別差異與所有娛樂性吸毒的性別差異是否發生了變化。
我的數據如下。 我想我可能需要使用時間序列分析,但我不確定。 任何幫助將非常感激。
由於問題中的描述與數據不匹配,因為沒有關於性別的信息,我們將從主題中假設我們要確定非法和 iv 的趨勢是否相同。
請注意, iv
或illicit
的去趨勢值沒有自相關,因此我們將使用普通的線性模型。
iv <- c(0.4, 0.3, 0.4, 0.3, 0.2, 0.2)
illicit <- c(5.5, 5.7, 4.8, 4.7, 6.1, 5.3)
time <- 2011:2016
ar(resid(lm(iv ~ time)))
## Call:
## ar(x = resid(lm(iv ~ time)))
##
## Order selected 0 sigma^2 estimated as 0.0024
ar(resid(lm(illicit ~ time)))
## Call:
## ar(x = resid(lm(illicit ~ time)))
##
## Order selected 0 sigma^2 estimated as 0.287
創建一個長度為 12x3 的數據框long
其中包含time
、 value
和ind
( iv
或illicit
)列。 然后運行具有兩個斜率和另一個具有一個斜率的線性模型。 兩者都有兩個攔截。 然后使用anova
比較它們。 顯然,它們沒有顯着差異,因此我們不能拒絕斜率相同的假設。
wide <- data.frame(iv, illicit)
long <- cbind(time, stack(wide))
fm2 <- lm(values ~ ind/(time + 1) + 0, long)
fm1 <- lm(values ~ ind + time + 0, long)
anova(fm1, fm2)
給予:
Analysis of Variance Table
Model 1: values ~ ind + time + 0
Model 2: values ~ ind/(time + 1) + 0
Res.Df RSS Df Sum of Sq F Pr(>F)
1 9 1.4629
2 8 1.4469 1 0.016071 0.0889 0.7732
實際上,斜率一開始並不重要,我們不能拒絕兩個斜率都為零的假設。 與沒有斜率的兩個截距模型進行比較。
fm0 <- lm(values ~ ind + 0, long)
anova(fm0, fm2)
給予:
Analysis of Variance Table
Model 1: values ~ ind + 0
Model 2: values ~ ind/(time + 1) + 0
Res.Df RSS Df Sum of Sq F Pr(>F)
1 10 1.4750
2 8 1.4469 2 0.028143 0.0778 0.9258
或者運行逐步回歸,我們發現它最喜歡的模型是一個有兩個截距且沒有斜率的模型:
step(fm2)
給予:
Start: AIC=-17.39
values ~ ind/(time + 1) + 0
Df Sum of Sq RSS AIC
- ind:time 2 0.028143 1.4750 -21.155
<none> 1.4469 -17.386
Step: AIC=-21.15
values ~ ind - 1
Df Sum of Sq RSS AIC
<none> 1.475 -21.155
- ind 2 172.28 173.750 32.073
Call:
lm(formula = values ~ ind - 1, data = long)
Coefficients:
indiv indillicit
0.30 5.35
如果我們使用 log(values) 那么我們同樣沒有發現自相關(未顯示),但我們確實發現對數轉換值的斜率顯着不同。
fm2log <- lm(log(values) ~ ind/(time + 1) + 0, long)
fm1log <- lm(log(values) ~ ind + time + 0, long)
anova(fm1log, fm2log)
給予:
Analysis of Variance Table
Model 1: log(values) ~ ind + time + 0
Model 2: log(values) ~ ind/(time + 1) + 0
Res.Df RSS Df Sum of Sq F Pr(>F)
1 9 0.35898
2 8 0.18275 1 0.17622 7.7141 0.02402 *
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
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.