R中如何实现跨多个不同lm模型的系数线性组合与检验

方法原理 #

multcomp包的glht函数支持直接传入系数向量和协方差矩阵完成检验，无需依赖原始模型对象，因此只需完成两步核心操作：

1. 将多个模型的系数拼接为命名一致的长向量
2. 构造对应维度的联合协方差矩阵

实现步骤 #

场景1：多模型基于同一样本拟合（仅被解释变量不同，如示例场景） #

直接使用estimatr的多输出回归接口一次性拟合所有模型，自动生成联合系数和联合协方差矩阵，无需手动拼接：

# 多输出回归拟合，同时得到三个被解释变量的回归结果
lm_joint <- lm_robust(
  formula = cbind(y1, y2, y3) ~ x + z,
  data = df,
  subset = x>10 & x<90,
  clusters = id
)

# 提取联合系数与联合协方差矩阵
coef_joint <- coef(lm_joint)
vcov_joint <- vcov(lm_joint)

# 构造跨模型线性组合检验
library(multcomp)
test_res <- glht(
  model = NULL,
  linfct = "0.1*`y1:z` + 0.4*`y2:z` + 0.2*`y3:z` = 0",
  coef = coef_joint,
  vcov = vcov_joint
)

# 输出检验结果
summary(test_res)

多输出回归生成的系数命名规则为被解释变量名:自变量名，使用时注意用反引号包裹特殊名称即可。

场景2：多模型基于独立样本拟合 #

此时跨模型的系数协方差为0，直接构造块对角协方差矩阵即可：

library(Matrix)

# 拼接所有模型的系数，添加模型前缀避免命名冲突
coef_joint <- c(
  setNames(coef(lm1), paste0("lm1_", names(coef(lm1)))),
  setNames(coef(lm2), paste0("lm2_", names(coef(lm2)))),
  setNames(coef(lm3), paste0("lm3_", names(coef(lm3))))
)

# 构造块对角联合协方差矩阵
vcov_joint <- as.matrix(bdiag(vcov(lm1), vcov(lm2), vcov(lm3)))
rownames(vcov_joint) <- colnames(vcov_joint) <- names(coef_joint)

# 执行检验
test_res <- glht(
  model = NULL,
  linfct = "0.1*lm1_z + 0.4*lm2_z + 0.2*lm3_z = 0",
  coef = coef_joint,
  vcov = vcov_joint
)
summary(test_res)

补充说明 #

如果多模型为同一样本但自变量/样本筛选规则不同，需要计算跨模型系数协方差的，可以使用systemfit包拟合SUR模型并计算聚类稳健标准误，提取联合系数和协方差矩阵后按上述逻辑传入glht即可。

内容的提问来源于stack exchange，提问作者ZAVIM