線性模型：比較兩種不同測量方法的預測能力

我對預測Y感興趣並正在研究不同的兩種測量技術X1和X2。例如，我想通過測量香蕉躺在桌上多久，或通過測量香蕉上褐色斑點的數量來預測香蕉的美味。線性模型：比較兩種不同測量方法的預測能力

我想知道哪一種測量技術更好，我應該選擇只執行一種。

我在R中可以建立一個線性模型：

m1 = lm(Y ~ X1) 
m2 = lm(Y ~ X2)

現在讓我們說X1是香蕉鮮味比X2的優越預測。在計算兩個模型的R^2時，模型m1的R^2明顯高於模型m2。在寫一篇關於X1方法好於X2的文章之前，我希望有某種跡象表明差異不是偶然的，可能是以p值的形式。

怎麼會這樣呢？當我使用不同品牌的香蕉時，如何做到這一點，並轉向一種將香蕉品牌視爲隨機效應的線性混合效應模式？

我可能會比較[均方預測誤差]（http://stats.stackexchange.com/q/20741/11849）。 – Roland

使用'anova'函數比較模型：http://stats.stackexchange.com/q/53312/8464 – topchef

只有當模型是嵌套模型時，才能將模型與'anova'進行比較，但這些模型不是。要求的測試可能最好使用AIC完成。 – John

對不起，如果不理解你的權利。據我瞭解，這是簡單的基本統計問題，而不是R.

你把它們放在一起迴歸。每個係數的p值顯示它們是否顯着。您也可以將香蕉品牌視爲假人（如果沒有太多類型的話）。並做方差分析測試。順便說一句，這兩種測量技術在不同的模型中都很重要？這些模型和組合模型中的R^2是什麼？至於你的問題，看看R^2的定義，希望對你有幫助:)

2013-06-21 12:58:16 Asayat

不，他們想比較模型。將兩個預測因子放在一個模型中，不會告訴你，這是更好的預測因子。 – Roland

然後，如果兩者都分別顯着，則通過R^2進行比較。所以你可以說m1解釋Y是一定的百分比，高於m2 – Asayat

把兩個預測變量都放在模型中告訴我們一些事情，如果其中只有一個預測變量會有顯着的p值。如果兩個預測變量的係數都較高，是對因變量影響較大的那個。要比較模型，你可以使用AIC，但我不認爲在這種情況下這是必要的... – vodka

回答