模拟数千个回归并获得 p 值

Question

我希望在 R 中进行一些基本模拟，以检查 p 值的性质。我的目标是查看大样本量是否趋向于小 p 值。我的想法是生成 1,000,000 个数据点的随机向量，将它们相互回归，然后绘制 p 值的分布并寻找偏差。

到目前为止我是这么想的：

x1 = runif(1000000, 0, 1000) 
x2 = runif(1000000, 0, 1000) 
model1 = lm(x2~x1)

使用从另一个线程获取的代码：

lmp <- function (modelobject) {
    if (class(modelobject) != "lm") stop("Not an object of class 'lm' ")
    f <- summary(modelobject)$fstatistic
    p <- pf(f[1],f[2],f[3],lower.tail=F)
    attributes(p) <- NULL
    return(p)
  }
lmp(model1) 
0.3874139

关于我如何为 1000 个或更多模型执行此操作的任何建议？谢谢！

Answer 1

参见 ?replicate ...但是您正在计算的 p 值假设高斯误差不是均匀误差（并不是说这在 n=10^6 时很重要）

具体来说，是这样的：

nrep <- 1000
ndat <- 1000000
results <- replicate(nrep, {
     x1=runif(ndat, 0, 1000);
     x2=runif(ndat, 0, 1000);
     model1=lm(x1 ~ x2);
     lmp(model1)
     })

应该可以，但是运行.

需要很长时间

我建议缩小 nrep 和 ndat 来尝试一下。

模拟数千个回归并获得 p 值

Simulating thousands of regressions and obtaining p-values

simulation

regression

r

sample-size

p-value