statistics - 拟合线性回归和执行 t 检验会给出相似的结果吗？

Question

我正在尝试从二元变量列表中预测具有统计意义的变量。我对下面提到的两种查找相关变量的方法存在概念上的疑问。

因变量： 人的身高

自变量：

1. 性别（男或女）
2. 财务状况（贫困线以下与否）
3. College_Graduate（是或否）

方法 1：拟合线性回归，同时将这些作为因/独立变量并找到具有统计意义的变量

方法 2：对每个因变量执行单独的统计检验（t 检验或其他相关检验）以计算统计显着变量

这两种方法是否相似并且会给出相似的结果？如果不是，具体有什么区别？

Answer 1

由于您有多个自变量，因此显然没有。

如果您想对不同自变量（Gender、Financial_Status 和 College_Graduate）的每个值采用最测试方法，那么这意味着您将执行 3 种不同的测试。就假阳性结果而言，执行多项测试是有风险的，因此应使用多重比较调整方法（Bonferoni、FDR 等）进行调整。

另一方面，如果您将使用单个多元线性回归，您将无法正确进行多重比较，这就是为什么在我看来，这是更好的方法。