Testen Sie einen signifikanten Unterschied zwischen zwei Steigungswerten

Die Daten, die ich habe, sind ein Regressionssteigungswert von y ~ time, ein Standardfehler, ein n-Wert und ein p-Wert für eine bestimmte Spezies in zwei verschiedenen Gebieten. Ich möchte prüfen, ob die Regressionssteigung für einen Bereich erheblich von der Regressionssteigung für den anderen Bereich abweicht. Ist dies mit solchen Daten möglich? Hat jemand irgendwelche Vorschläge, wie ich das angehen könnte? Ich kann leider nicht auf die Rohdaten zugreifen ...

Sorry, dass dies eine so einfache Frage ist!

Der folgende Artikel kann hilfreich für Sie sein, da er beschreibt, wie Sie beurteilen können, ob die Auswirkung eines bestimmten erklärenden Faktors über Personen, Zeit oder Organisationen unveränderlich ist:

Paternoster, R., Brame, R., Mazerolle, P. & Piquero, AR (1998). Verwenden des richtigen statistischen Tests für die Gleichheit der Regressionskoeffizienten. Criminology, 36 (4), 859–866.

Um die Hypothese zu testen, dass die Differenz zwischen und b 2 (1 und 2 sind zwei Abtastwerte oder Zeiten) gleich Null ist, können Sie die folgende Formel anwenden:$b_1$$b_2$

$\begin{equation} Z= \frac{b_1-b_2}{\sqrt{{SEb_1}^{2}+{SEb_2}^2}} \end{equation}$

SE ist in Ihrem Fall der Standardfehler der jeweiligen 'Steigungen'.

Wenn die Steigungen aus einer gewöhnlichen Regression der kleinsten Quadrate stammen, ist es sinnvoll zu überprüfen, ob die Daten von Jahr zu Jahr, die diese Werte ergaben, tatsächlich unabhängig sind. Die meisten Capture-Recapture-Studien müssen die Volumina der Vorjahre mit einer Methode berücksichtigen, mit der die Abhängigkeit des Volumens über die Zeit hinweg bewältigt werden kann.

Mit Standardfehlern können Sie Konfidenzintervalle um Ihre Steigungsparameter erstellen. Ein naiver Test, um festzustellen, ob sie sich auf dem richtigen Niveau unterscheiden, besteht darin, zu prüfen, ob sich eines der Konfidenzintervalle überlappt. (Beachten Sie, dass das Konfidenzintervall eines Parameters den anderen tatsächlichen Parameterwert überlappen muss, nicht das Konfidenzintervall, um die Nullhypothese, dass sie unterschiedlich sind, nicht zu verwerfen.)$\alpha$

Die klassische (und statistisch leistungsfähigere) Möglichkeit, dies zu testen, besteht darin, beide Datensätze in einem einzigen Regressionsmodell zu kombinieren und dann den Bereich als Interaktionsbegriff einzuschließen. Siehe zum Beispiel hier:

http://www.theanalysisfactor.com/compare-regression-coefficients/