我本來也是想把分母在除以各自的樣本數 但是我在相關的統計書及根文獻都沒有看過這樣的算法 我看過的算法是分母不除以各自樣本數的 你說的算法在書本上是說只有在樣本數少於40的情況下才需要除以各自的樣本數 我目前手上有的樣本有一千人 文獻的樣本則有三萬人 我現在目前擔心的是兩個樣本數目相差太多 因此我也認為考慮樣本數才是比較合理的算法 就是把分母除以各自的樣本數 請問你們覺得哪一個比較合理呢? ※ 引述《usbuy (buy for you)》之銘言： : 你說的沒錯 : 但我還是有一點困惑 : 我目前所認知的pooled variance= square root (SE1平方+SE2平方) : 比較兩個BETA的T檢定為:(Beta1-Beta2)/square root (SE1平方+SE2平方) : 但是 : 我記的如果試用T檢定檢驗兩個SAMPLE的MEAN是否一樣時 : POOLED VARIANCE的公式會因為SAMPLE SIZE跟兩個SAMPLE的VARIANCE不同而有所改變 : 因此 我擔心我所認知的公式並沒有考慮到SAMPLE SIZE 跟VARIANCE不一樣的問題 : 可以請教正確的公式該如何寫嗎?我打算用公式算 : 我並沒有文獻的RAW DATA,我只有文獻OUTCOME的平均值,BETA, SE OF BETA : 謝謝! : ※ 引述《shanemate (沉澱澱的透然)》之銘言： : : pooled variance的做法就是在假設這兩組sample的population variance相同之下， : : 進行的variance估計，你當然找不到equal variance的 : : 你說兩組的smaple variance不一樣，但這沒關係吧，主要是你接不接受兩者的 : : population variance相同的假設 : : 根據你的po文 我的理解是這樣 : : 你用和文獻一樣的model 但是用不同的sample去估計 OLS coefficient: beta : : 然後想要比較你的beta和文獻的beta有沒有顯著差異 : : 那當然直接用t-test作假設檢定就可以了 : : 或者你不知道 population distribution， 那可以用bootstrap來做 : : 如果你有兩組sample的data 用permutation test也可以 --

※ 發信站: 批踢踢實業坊(ptt.cc) ◆ From: 99.88.83.204