我本来也是想把分母在除以各自的样本数 但是我在相关的统计书及根文献都没有看过这样的算法 我看过的算法是分母不除以各自样本数的 你说的算法在书本上是说只有在样本数少於40的情况下才需要除以各自的样本数 我目前手上有的样本有一千人 文献的样本则有三万人 我现在目前担心的是两个样本数目相差太多 因此我也认为考虑样本数才是比较合理的算法 就是把分母除以各自的样本数 请问你们觉得哪一个比较合理呢? ※ 引述《usbuy (buy for you)》之铭言： : 你说的没错 : 但我还是有一点困惑 : 我目前所认知的pooled variance= square root (SE1平方+SE2平方) : 比较两个BETA的T检定为:(Beta1-Beta2)/square root (SE1平方+SE2平方) : 但是 : 我记的如果试用T检定检验两个SAMPLE的MEAN是否一样时 : POOLED VARIANCE的公式会因为SAMPLE SIZE跟两个SAMPLE的VARIANCE不同而有所改变 : 因此 我担心我所认知的公式并没有考虑到SAMPLE SIZE 跟VARIANCE不一样的问题 : 可以请教正确的公式该如何写吗?我打算用公式算 : 我并没有文献的RAW DATA,我只有文献OUTCOME的平均值,BETA, SE OF BETA : 谢谢! : ※ 引述《shanemate (沉淀淀的透然)》之铭言： : : pooled variance的做法就是在假设这两组sample的population variance相同之下， : : 进行的variance估计，你当然找不到equal variance的 : : 你说两组的smaple variance不一样，但这没关系吧，主要是你接不接受两者的 : : population variance相同的假设 : : 根据你的po文 我的理解是这样 : : 你用和文献一样的model 但是用不同的sample去估计 OLS coefficient: beta : : 然後想要比较你的beta和文献的beta有没有显着差异 : : 那当然直接用t-test作假设检定就可以了 : : 或者你不知道 population distribution， 那可以用bootstrap来做 : : 如果你有两组sample的data 用permutation test也可以 --

※ 发信站: 批踢踢实业坊(ptt.cc) ◆ From: 99.88.83.204