r - 线性模型：比较两种不同测量方法的预测能力

Question

我对预测感兴趣Y并且正在研究不同的两种测量技术X1和X2. 例如，我想预测香蕉的味道，要么通过测量它在桌子上放置了多长时间，要么通过测量香蕉上褐色斑点的数量。

我想知道哪一种测量技术更好，我应该只选择一种。

我可以在 R 中创建一个线性模型：

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

现在让我们说X1是一个比 更好的香蕉味道预测指标X2。在计算两个模型的 R^2 时，模型的 R^2m1明显高于模型m2。在写一篇关于方法如何X1优于的论文之前X2，我想有一些迹象表明这种差异不是偶然的，可能是以 p 值的形式出现的。

怎么办？当我使用不同品牌的香蕉并转移到将香蕉品牌作为随机效应纳入的线性混合效应模型时，该怎么做？

Answer 1

对不起，如果没有正确理解你。据我了解，这是简单的基本统计问题，而不是 R。

您将它们放在一起进行 1 次回归。每个系数的 p 值显示它们是否显着。您也可以将香蕉品牌用作假人（如果类型不多的话）。并进行 ANOVA 测试。顺便说一句，这两种测量技术在单独的模型中都很重要吗？这些模型和组合模型的 R^2 是多少？至于您的问题，请查看 R^2 的定义，希望对您有所帮助:)