R语言多元回归中单个系数执行β1=3双侧t检验的实现问题

你使用的t.test()是针对单/双样本均值差异设计的检验函数，本身不支持多元线性回归场景下的系数假设检验，所以你把控制变量x2加入公式的写法无法正常运行，且单变量的t检验没有控制x2的影响，得到的结果和你多元回归设定下的β₁检验需求不匹配。

你需要先拟合包含x1、x2的完整多元回归模型，再基于回归结果对β₁的假设进行检验，有两种常用实现方式：

• 方法一：基础包实现（无需安装额外依赖）
  1. 首先拟合多元回归模型

  # 拟合控制x2的多元回归
  model <- lm(y ~ x1 + x2, data = data)
  

  2. 快速判断方式：直接看β₁的95%置信区间是否包含3，即可完成双侧检验

  # 提取x1系数的95%置信区间
  confint(model, parm = "x1", level = 0.95)
  

  3. 如需输出t统计量和p值可以手动计算

  # 提取系数估计结果
  coef_result <- summary(model)$coefficients
  b1_est <- coef_result["x1", "Estimate"]
  b1_se <- coef_result["x1", "Std. Error"]
  df <- df.residual(model)
  
  # 计算t统计量和双侧p值
  t_stat <- (b1_est - 3) / b1_se
  p_value <- 2 * pt(abs(t_stat), df = df, lower.tail = FALSE)
  
  # 输出结果
  cat("t统计量：", round(t_stat,4), "\np值：", round(p_value,4))
  

• 方法二：用car包的线性假设检验函数（代码更简洁）

  # 未安装包先执行 install.packages("car")
  library(car)
  # 直接执行β₁=3的双侧检验
  linearHypothesis(model, hypothesis = "x1 = 3", conf.level = 0.95)
  

内容的提问来源于stack exchange，提问作者user8000