R中如何用linearHypothesis()检验多元回归不同方程的系数相等性

核心结论 #

你完全可以使用car包的linearHypothesis()函数实现同一个自变量在不同因变量回归方程中的系数差异检验，具体操作如下：

1. 多因变量模型的系数命名规则 #

用lm()拟合多因变量回归后，系数的命名规则为因变量名:自变量名，你案例中三个态度方程的性别变量系数对应的名称分别为：

• Attitude_1:GenderFemale
• Attitude_2:GenderFemale
• Attitude_3:GenderFemale

你可以运行coef(MMR)查看所有系数的完整命名，避免拼写错误。

2. 跨方程系数相等性检验代码 #

联合检验：三个方程的Gender系数是否全部相等 #

原假设为$H_0: \beta_{Gender(Attitude1)} = \beta_{Gender(Attitude2)} = \beta_{Gender(Attitude3)}$，代码如下：

# 先加载car包
library(car)

linearHypothesis(MMR, 
                 hypothesis.matrix = c(
                   "Attitude_1:GenderFemale = Attitude_2:GenderFemale",
                   "Attitude_1:GenderFemale = Attitude_3:GenderFemale"
                 ))

若输出结果的p值小于预设显著性水平（通常为0.05），则拒绝原假设，说明三个方程的Gender系数存在统计显著差异。

两两比较：仅检验两个方程的Gender系数差异 #

如果只需要对比Attitude1和Attitude2的Gender系数，简化代码如下：

linearHypothesis(MMR, "Attitude_1:GenderFemale = Attitude_2:GenderFemale")

3. 替代方案：多重比较自动校正 #

如果需要做多组两两比较且要求校正多重检验偏差，可以使用emmeans包实现，代码如下：

library(emmeans)

# 提取不同因变量方程的Gender边际效应
emm <- emmeans(MMR, ~ Attitude | Gender, mult.names = "Attitude")
# 两两比较，采用Bonferroni法校正p值
pairs(emm, by = "Gender", adjust = "bonferroni")

注意事项 #

注意函数名拼写为linearHypothesis（首字母大写），你问题中给出的示例拼写有误，会导致运行报错。

内容的提问来源于stack exchange，提问作者SigridVT