在这种特殊情况下，您的一条线具有已知的斜率和截距（截距 0，斜率 1），因此您不适合一些更大的交互模型，您可以联合测试另一个模型是否与总体截距和斜率分别为 0 和 1。

这是线性模型的标准。

在 x 上回归 yx 和在第二次回归测试中截距和斜率均为 0 时稍微容易一些。

简化模型的 RSS 是 (yx)^2 的总和。完整模型的 RSS 可以从线性回归的方差分析中提取，您可以执行 F 检验，但如果您使用 R 语言，您可以执行以下操作：

 nullm <- lm((y-x)~0)
 fullm <- lm((y-x)~x)
 anova(nullm,fullm)

模型“nullm”是 LS 模型$y = 0 + 1 x + \varepsilon$

模型“fullm”只是具有两个参数的 LS 模型，但它必须具有与“nullm”相同的 LHS 才能进入anova，因此看起来非常规。然后，该函数anova计算 F 检验以改进完整模型对 null 的改进，这增加了两个参数并通过完整模型解释的 SS 减少了残差平方和。这充当了对 null ($\text{H}_0: \alpha=\beta=0$) 反对至少有一个不为 0 的替代方案。

但是，在这种情况下，您已经可以看到该假设将被拒绝，因为截距已经与 0 非常不同（p = 0.001），因此可能无需经历整个事情，结果将在典型的显着性水平上被拒绝。

只需使用交互效应估计单个模型中的两条线，并测试交互效应和主效应是否等于 0。