F検定とt検定の結果が異なる場合、どちらを優先すべきか?

このQ&Aのポイント
  • 3変数のデータについて回帰分析を行い、係数aとbを求める際に、t検定とF検定を行います。
  • t検定でaとbの帰無仮説を検定する際、F検定との結果が異なることがあります。
  • 異なる結果が出た場合はどちらを優先すべきか、t検定だけでは不十分なのか?計量経済学の専門家の意見をお聞きしたいです。
回答を見る
  • ベストアンサー

F検定とt検定で結果が違うとき

3変数のデータについて回帰分析を行い、係数aとbをそれぞれ求めるのですが、テキストでは、その係数の検定を行うに際して、t検定とF検定を行うと書かれています。 ここまではいいのですが、その後ろに、t検定でaとbそれぞれについて、a=0, b=0という帰無仮説について検定することと、F検定でa=0, b=0の両方を検定することは意味が異なるので、t検定で棄却されなくても、F検定で棄却されることがあると書かれています。 もし異なる結果が出た場合、どのように考える(どちらの結果を優先する)のでしょうか? また、t検定だけで終わらせた場合、やはり検定が不十分だとされるのでしょうか? 分野は計量経済学です。 お知恵をいただければ幸いです。

質問者が選んだベストアンサー

  • ベストアンサー
回答No.1

>t検定でaとbそれぞれについて、a=0, b=0という帰無仮説について検定することと、F検定でa=0, b=0の両方を検定することは意味が異なる ちょっと説明(検定方法)が分かりにくいのですが・・・ パラーメタひとつづつ,例えば a  に対する検定なら,t でも F でも,結果は同じです。 具体例が不明ですが,もしかすると, a = 0, b = 0 を個別に検定する場合, と, 両方まとめて式(モデル)の適合性を検定する場合,を言ってるのかもしれません。 添付図に上記HPでのy = ax + b の回帰分析結果を示しました。 (HP7章下のほう,表6から引用) 全体的には,この直線は適合してることが Fの確率,0.017559412 から分かります。 しかし,パラメータを見ると, 切片は,確率,0.074439654 で有意と言えず, 傾きは,0.017559412 で有意と言えます。 このような場合, モデル全体の適合度を見るなら,適合してる,と言えますが, 例えば,切片が0かどうか,つまり,原点を通るかどうか,は,原点を通る(0と有意差がないから) 傾きが0かどうか,は,ゼロとは言えない,となります。 つまり, >どちらの結果を優先する かの問題ではなく,何に注目してるか,という問題になります。

tsurukichi
質問者

お礼

つまり, >どちらの結果を優先する かの問題ではなく,何に注目してるか,という問題になります なるほど・・・。 例までつけていただきありがとうございました。

その他の回答 (2)

noname#227064
noname#227064
回答No.3

ANo.2で不正確な表現があったので補足します。 > {(a b)W^(-1)(a b)'/2}/{Y'(I-X(X'X)^(-1)X')Y/(n - p)} > は第一自由度が2で第二自由度がYの行数-βの行数のF分布に従います。 > 棄却域は原点を長軸と短軸の交点とする楕円となります。 > > これと異なり、a, bについてそれぞれt検定を行った場合の棄却域は矩形となります。 hat(σ) = √{Y'(I-X(X'X)^(-1)X')Y/(n - p)} とします。 軸をa/hat(σ), b/hat(σ)として棄却域を描いたときに、楕円或いは矩形の外部が棄却域にあたります。

tsurukichi
質問者

お礼

ありがとうございました。行列をしっかり勉強します。

noname#227064
noname#227064
回答No.2

行列を使って説明します。 Iは単位行列、'は転置行列、^(-1)は逆行列を意味します。 Xをn×pのデザイン行列として、 Y = Xβ+ε, ε~N(0, (σ^2)I) というモデルで回帰分析により係数βの推定します。 このとき、推定量hat(β)は平均ベクトルがβ、分散共分散行列が(σ^2)(X'X)^(-1)の多変量正規分布に従います。 注目している係数の推定量をa,b、分散共分散行列の注目している係数に対応する部分を(σ^2)Wとすると、 (a b)W^(-1)(a b)'/σ^2 は帰無仮説の下では自由度2のカイ二乗分布に従いますので、 {(a b)W^(-1)(a b)'/2}/{Y'(I-X(X'X)^(-1)X')Y/(n - p)} は第一自由度が2で第二自由度がYの行数-βの行数のF分布に従います。 棄却域は原点を長軸と短軸の交点とする楕円となります。 これと異なり、a, bについてそれぞれt検定を行った場合の棄却域は矩形となります。 従って、楕円と矩形の重なっていないところで検定結果が異なることがあります。 > もし異なる結果が出た場合、どのように考える(どちらの結果を優先する)のでしょうか? > また、t検定だけで終わらせた場合、やはり検定が不十分だとされるのでしょうか? の答えはNo.1さんが > >どちらの結果を優先する > かの問題ではなく,何に注目してるか,という問題になります。 と書かれている通りです。 別々に検定する必要があるかないかで決めたらいかがでしょうか。

関連するQ&A

  • t検定におけるt値だけから何が分かるのでしょう

    国際経済(計量経済)のレポートを書いていますが、そのなかで回帰係数のt検定を行っています。 他の方の論文を見ていると、t値を回帰式の下にカッコ付きで表示していたり、表形式の場合でも回帰係数の下にカッコ付きで表示したりするものをよく見かけますが、t値はいったい何のために表示しているのでしょうか? 回帰係数の方は、例えば2.0だとすると、パッと見て、説明変数xが1増えると、被説明変数yが2.0増えるのだな、ということが分かるのですが、t値だけからは何も情報が得られないのではないかと思うのですが。 もちろん、t値はt検定に使うのですが、検定に際してはt分布表からその標本の自由度にあった棄却域に入る水準を調べるというプロセスがあるので、t値を見ただけでは、何もわからないのではないかと思います(t分布表が頭に入っている人は別ですが)。 t値を見ても得るものが少なく、かつ、レポートでは回帰係数がゼロであるという帰無仮説を棄却するというところを強調したいとすれば、t値は脚注や文末にその他のデータと合わせてまとめて表示するという方法も構わないのでしょうか?

  • 回帰係数が1かどうかの検定

    変数xが1増えると変数yも1増える、という仮説を検定した研究で、1に近い回帰係数が得られてt値も低い(例えば1未満)という結果から、この仮説は支持できるというのがありました。これって統計的に正しい推論なのでしょうか。通常だと、例えば係数が正という仮説を検定するために、係数ゼロという帰無仮説を立ててt値が2未満であれば帰無仮説を受容(対立仮説は棄却)し、そして結論を保留する、ということになりますね。ですから先の場合も現状ではなにも言えないということになると思うのですが、それでは係数が1という仮説はどのようにして検定すれば良いのでしょうか。あるいは帰無仮説はどのように立てるのが良いのでしょうか(一般的なのでしょうか)。

  • 回帰係数のt検定について

    回帰係数の検定では回帰定数を0とした帰無仮説とするということを、とあるテキストに書いてあり、その場合のt検定の式が下記のようになるらしいですが t=(求めた回帰定数)/√{(残差平方和)/(n-2) /(説明変数の偏差平方和)} このような式に至る過程を詳細に知りたいです。 どなたか詳しい方は教えて頂けませんでしょうか?一番気になる点は自由度が(n-2)になる点です。何卒宜しくお願い致します。

  • T検定とF検定

     T検定とは平均値間の差の検定であり、F検定とは分散が等しいかどうかの検定と理解しています。  そこで重回帰分析を行い、回帰係数の検定を行う際に二つの検定を行う必要があるそうなのですが、両検定の最終的な目的とは何なのでしょうか?本には互いに回帰の有意性の検定という内容が書いてあるため、明確な違いをご質問させてください。

  • 回帰曲線の有意性検定

    回帰直線の有意性検定がしたいので、いろいろ勉強していますが、教科書を探しても下記の答えが見当たらず悩んでいます。質問は二つあります。 1) 重回帰分析の場合、T検定とF検定の違いは、各パラメータの検定と、全体的な検定の違いだと理解したのですが、単回帰分析(y=ax+b)の場合、T検定とF検定は全く同じことをしていることになるのでしょうか? 2) 単回帰分析(y=ax+b)の有意性検定(F検定)を行った場合、aが0に近ければ近いほど、少しのバラつきで有意でなくなると思うのですが、その認識はあってるでしょうか? その場合、有意でないものを棄却すると、aが0に近いものが多く棄却される傾向になり困っています。 (多数あるデータのうち、棄却されるものに偏りがでてきてしまう。) これを解決する方法はあるのでしょうか?

  • t検定について教えてください

    t検定に関する質問はたくさんあるのですが、今、頭がこんがらがっており、 誠に勝手ながら新しく質問させてください。それではよろしくお願いします。 2標本の分布が等しいと仮定。t検定の基礎を教えてください。 帰無仮説は、「2標本の平均が等しい」ですか? 帰無仮説が上記の場合、 危険率1%で仮説が棄却されず、5%で棄却されることはありますか? 上記の判定がなされた場合、 これら2標本はどのような関係にありますか? 1~5%の確率でうんぬん???よくわからなくなってしまいました。 駄文のみの状況説明で、申し訳ありませんが、ご教授願います。 それではよろしくお願いします。補足要求があれば、つたない説明ながら加えさせていただきます。

  • 回帰分析と分散分析

    多変量解析の本を読んでおります。 記述に違和感(誤植)があったので、質問させていただきました。 疑問点は、回帰分析と分散分析のページ(p.111)です。以下原文より引用。  有意Fに書かれた値が0.05より小さくなる場合には、5%の確率でしか起こらないようなことが起こったとして、帰無仮説を否定します。この場合、「帰無仮説」は、「回帰分析があてはまらない」でしたから、これを否定するということは「回帰分析があてはまる」となります(厳密には「回帰分析が当てはまらないことはない」)。  有意Fに書かれた値が0.05より小さくなる場合には、「回帰分析が当てはまらない」という帰無仮説は採択されます。  このような検定の考え方で、有意Fの欄の値をαとするとき、 α>0.05 回帰直線は却下 α<0.05 回帰直線は採用  質問は2段落目の「有意Fに書かれた値が0.05より小さくなる場合には、「回帰分析が当てはまらない」という帰無仮説は採択されます。」の「帰無仮説は採択されます」の部分です。これは、「帰無仮説は棄却されます」ではないでしょうか。つまり、有意Fが0.05より小さい場合は、帰無仮説を棄却して、対立仮説を採択するという判断をするのではないでしょうか。私の考え方は間違っていますか。 出版社の訂正表にはこの部分に関しての訂正はありませんでした。 よろしくお願いします。 引用 意味がわかる多変量解析 石井俊全 ベレ出版 2014

  • 検定の問題です。恐れ入りますご享受を依頼します。

    A :1326 1418 1820 1516 1635 1720 1580 1452 1600 健常者のIgG値の平均値は1180(mg/100ml)であることが知られているとする。A病院における透析患者のIgG値(mg/100ml)の平均値は健常者の平均値と異なっていると言えるか、上記[A]のデータを用いて有意水準0.05で検定せよ (1)帰無仮説と対立仮説を記すこと。 (2)有意水準0.05として、この検定の棄却域を求める(両側検定を行う)。 (1)棄却域を求めるためのRのコマンドを記すこと。 (2)求められた棄却域を T>a, T<b という形で記すこと。ここで、a,bは具体的な値。 (3)検定のための統計量の値を求めるRのコマンドを記すこと。 (4)統計量の値を記すこと。 (5)棄却域と比較することにより帰無仮説を棄却するか採択するか決め、結果を記すこと。 (6)最初に与えられた質問(最初の文章)に解答せよ。 (7)p値を求めるRのコマンドと結果の値を記すこと。 (8)p値の結果の値から帰無仮説を棄却するか採択するか決め、結果を記すこと。

  • 統計学の検定のもんだいです。

    前回分 すいません、タイプミスがございました、ご容赦をおねがいします。 検定の問題です。答えも知りたいですけど 自身の考え方が正解かどうか 知りたいです。ご指導宜しくお願いします。 健常者のIgG値の平均値は1180(mg/100ml)であることが知られているとする。A病院における透析患者のIgG値(mg/100ml)の平均値は健常者の平均値と異なっていると言えるか、[A]のデータを用いて有意水準0.05で検定せよ A:1326 1418 1820 1516 1635 1720 1580 1452 1600 (1)帰無仮説と対立仮説を記すこと。 (2)有意水準0.05として、この検定の棄却域を求める(両側検定を行う)。 (1)棄却域を求めるためのRのコマンドを記すこと。 (2)求められた棄却域を T>a, T<b という形で記すこと。ここで、a,bは具体的な値。 (3)検定のための統計量の値を求めるRのコマンドを記すこと。 (4)統計量の値を記すこと。 (5)棄却域と比較することにより帰無仮説を棄却するか採択するか決め、結果を記すこと。 (6)最初に与えられた質問(最初の文章)に解答せよ。 (7)p値を求めるRのコマンドと結果の値を記すこと。 (8)p値の結果の値から帰無仮説を棄却するか採択するか決め、結果を記すこと。

  • 対応のないt検定について

    本日、対応のないt検定について、教授(統計が専門ではなく、社会学系)から話がありました。 a群(n=99)、b群(n=99)において、有意な差が「絶対にでない」と言い、 有意な差がでるのは各群n=100以上の時であり、有意な差がでる可能性があると言っておりました。 授業後、「n=99以下の時に有意な差が絶対にでない」という根拠が知りたかったのですが、忙しいので説明できないと言って帰って行きました。 対応のないt検定のt値の算出式を見る限り、サンプルサイズに関わらず、平均、分散によって算出されるt値が、t分布(自由度、有意水準)により算出された値を超えれば、帰無仮説(Ho:a群=b群)を棄却できると思うのですが、「絶対に棄却できない根拠」は何なのでしょうか。直感的にも、サンプルサイズが少なければ、分散の裾が広がり、分布が横に長くなるので、帰無仮説を棄却しにくくなると思いますが・・・