如何解决统计测试，基于ggpredict / ggeffect的输出比较第一/第二差
我想在R中进行一个简单的两个样本t检验，以比较ggpredict（或ggeffect）产生的边际效应。
ggpredict和ggeffect都提供了不错的输出：（1）表（pred prob / std error / CIs）和（2）图。但是，它没有提供p值来评估边际效应的统计显着性（即，两个预测概率之差是否为零？）。此外，由于我正在使用“交互效应”，因此我也对两个差异（两个边际效应之间）和第二差异的两个t样本样本感兴趣。
是否有一种简单的方法可以通过ggpredict / ggeffect输出运行相关的t检验？还有其他选择吗？
附加： 。用虚拟数据表示代码 。具体来说：我要测试以下“第一个区别”：
-> .67-.33 = .34（与零相差吗？）
-> .5-.5 = 0（与零相差吗？）
...以及以下第二个区别：
-> 0.0-.34 = .34（与零相差吗？）
另请参阅Mize 2019中的图12 /表3（非线性模型中的交互作用）
感谢斯科特
library(mlogit)
#> Loading required package: dfidx
#>
#> Attaching package: 'dfidx'
#> The following object is masked from 'package:stats':
#>
#> filter
library(sjPlot)
library(ggeffects)
# create ex. data set. 1 row per respondent (dataset shows 2 resp). Each resp answers 3 choice sets,w/ 2 alternatives in each set.
cedata.1 <- data.frame( id = c(1,1,2,2),# respondent ID.
QES = c(1,3,3),# Choice set (with 2 alternatives)
Alt = c(1,# Alt 1 or Alt 2 in choice set
LOC = c(0,1),# attribute describing alternative. binary categorical variable
SIZE = c(1,# attribute describing alternative. binary categorical variable
Choice = c(0,# if alternative is Chosen (1) or not (0)
gender = c(1,0) # male or female (repeats for each indivdual)
)
# convert dep var Choice to factor as required by sjPlot
cedata.1$Choice <- as.factor(cedata.1$Choice)
cedata.1$LOC <- as.factor(cedata.1$LOC)
cedata.1$SIZE <- as.factor(cedata.1$SIZE)
# estimate model.
glm.model <- glm(Choice ~ LOC*SIZE,data=cedata.1,family = binomial(link = "logit"))
# estimate MEs for use in IE assessment
LOC.SIZE <- ggpredict(glm.model,terms = c("LOC","SIZE"))
LOC.SIZE
#>
#> # Predicted probabilities of Choice
#> # x = LOC
#>
#> # SIZE = 0
#>
#> x | Predicted | SE | 95% CI
#> -----------------------------------
#> 0 | 0.33 | 1.22 | [0.04,0.85]
#> 1 | 0.50 | 1.41 | [0.06,0.94]
#>
#> # SIZE = 1
#>
#> x | Predicted | SE | 95% CI
#> -----------------------------------
#> 0 | 0.67 | 1.22 | [0.15,0.96]
#> 1 | 0.50 | 1.00 | [0.12,0.88]
#> Standard errors are on the link-scale (untransformed).
# plot
# plot(LOC.SIZE,connect.lines = TRUE)
版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 dio@foxmail.com 举报，一经查实，本站将立刻删除。
