我使用 10 个自变量和单个因变量（消费者抱怨行为）进行了多元回归。这些自变量之一是性别。这因为模型本身是虽然不是最高的分数至少是显着的。在系数表中向下. 正如我的主管解释的那样，这是一个接受替代方案的重要分数，并且与 CCB 有负面关系。从解释上讲，这意味着男性比女性更容易抱怨（男性 = 1 女性 = 2）。
现在我有点好奇，做了一个 t 检验来测试均值的差异，结果发现性别组之间没有显着差异。
这就是我有点困惑的地方......我不确定我应该如何解释这些结果。似乎他们彼此矛盾？
多元回归中显着影响之间的矛盾，但本身不显着的 t 检验
机器算法验证
统计学意义
多重回归
t检验
2022-03-28 12:29:53
3个回答
多元回归模型控制 DV 中的其他可变性来源，而在 t 检验中，所有这些可变性都归入误差项。因此，t 检验检测效果的统计功效较低。然而，在效果是真实的假设下，t 检验将显示足够大的样本的“显着性”。
龚已经给出了很好的答案。我还要补充一点，在具有 10 个协变量的模型中，很容易获得小的、有时是虚假的效果，因为您的其他变量正在吸收如此多的方差。我会检查您的性别影响的一些影响大小指标（例如 delta R^2），以帮助您确定您的性别影响是否真实。
在模型中，性别是 10 个协变量之一。它对与其他协变量一起抱怨的响应有一些影响。但就其本身而言，它产生的差异较小，并且在统计上没有显着差异。
其它你可能感兴趣的问题