如何用R的car包linearHypothesis检验期望失重≥95的单侧假设？

你已使用faraway包的corrosion数据集构建了以loss为因变量、Fe为自变量的简单线性模型，此前通过car包的linearHypothesis完成了双侧假设检验，现需检验单侧原假设：H₀: 当Fe含量为1.5%时，期望失重 ≥ 95 mg/dm²/天（备择假设H₁: 期望失重 < 95 mg/dm²/天），可通过以下两种方式实现：

方法1：手动计算单侧p值 #

直接基于预测值、标准误和t分布计算，步骤清晰直观：

# 加载包与数据
library(faraway)
library(car)
data(corrosion)

# 构建线性模型
model <- lm(loss ~ Fe, data = corrosion)

# 1. 获取Fe=1.5时的预测期望失重及标准误
pred_result <- predict(model, newdata = data.frame(Fe=1.5), se.fit = TRUE)
fit_value <- pred_result$fit  # 模型预测的期望失重
se_value <- pred_result$se.fit  # 预测值的标准误

# 2. 计算t统计量
t_statistic <- (fit_value - 95) / se_value

# 3. 计算单侧p值（对应备择假设：期望失重 < 95）
one_sided_p <- pt(t_statistic, df = df.residual(model))
cat("单侧检验p值：", one_sided_p, "\n")

方法2：基于双侧检验结果转换 #

利用linearHypothesis的双侧检验结果，转换为单侧p值：

# 先执行双侧检验
hypo_result <- linearHypothesis(model, c(1, 1.5), rhs = 95)

# 从F统计量反推t统计量（保留符号，由预测值与95的差值方向决定）
t_stat_from_f <- sign(fit_value - 95) * sqrt(hypo_result$F[2])

# 计算单侧p值
one_sided_p_from_f <- pt(t_stat_from_f, df = df.residual(model))
cat("转换后的单侧p值：", one_sided_p_from_f, "\n")

注意事项 #

• 若备择假设为期望失重 > 95，则单侧p值需改为1 - pt(t_statistic, df = df.residual(model))
• 两种方法计算结果完全一致，可根据习惯选择

内容的提问来源于stack exchange，提问作者Adrien Riaux