比较两个线性回归模型

我想比较两个线性回归模型，它们表示在两种不同条件下，mRNA随时间的降解速率。每个模型的数据都是独立收集的。

这是数据集。

时间（小时）日志（处理A）日志（处理B）
0 2.02 1.97
0 2.04 2.06
0 1.93 1.96
2 2.02 1.91
2 2.00 1.95
2 2.07 1.82
4 1.96 1.97
4 2.02 1.99
4 2.02 1.99
6 1.94 1.90
6 1.94 1.97
6 1.86 1.88
8 1.93 1.97
8 2.12 1.99
8 2.06 1.93
12 1.71 1.70
12 1.96 1.73
12 1.71 1.76
24 1.70 1.46
24 1.83 1.41
24 1.62 1.42

这些是我的模型：

Exp1.A.lm<-lm(Exp1$Time~Exp1$(Treatment A))
Exp1.B.lm<-lm(Exp1$Time~Exp1$(Treatment B))

呼叫：
lm（公式= Exp1 $时间〜Exp1 $（处理A））

残留物：
    最小值1Q中位数3Q最大值 
-6.8950 -1.2322 0.2862 1.2494 5.2494 

系数：
                   估计标准 误差t值Pr（> | t |）    
（拦截）74.68 6.27 11.91 2.94e-10 ***
Exp1 $（治疗A）-36.14 3.38 -10.69 1.77e-09 ***
---
签名 代码：0'***'0.001'**'0.01'*'0.05'。0.1''1

残留标准误差：19自由度时为2.97
多个R平方：0.8575，调整后R平方：0.85 
F统计量：在1和19 DF上为114.3，p值：1.772e-09

呼叫：
lm（公式= Exp1 $时间〜Exp1 $（治疗B））

残留物：
   最小值1Q中位数3Q最大值 
-7.861 -3.278 -1.444 3.222 11.972 

系数：
                      估计标准 误差t值Pr（> | t |）    
（拦截）88.281 16.114 5.478 2.76e-05 ***
Exp1 $（治疗B）-41.668 8.343 -4.994 8.05e-05 ***
---
签名 代码：0'***'0.001'**'0.01'*'0.05'。0.1''1

残留标准误差：19自由度上的5.173
多个R平方：0.5676，调整后R平方：0.5449 
F统计量：1和19 DF时为24.94，p值：8.052e-05

为了比较这两种模型，我使用了以下代码。

anova(Exp1.A.lm,Exp1.B.lm)

方差表分析

模型1：Exp1 $ Time〜Exp1 $ Exp1 $（处理A）
模型2：Exp1 $时间〜Exp1 $ Exp1 $（治疗B）
  Res.Df RSS Df Sq F Pr（> F）的总和
1 19 167.60                      
2 19 508.48 0 -340.88

我的问题是，为什么方差分析无法显示F统计量和p.val。如果这是一个幼稚的问题，我表示歉意。

基于不同的斜率，这两种模型的降解速率不同，但我想知道这种差异在统计上的重要性。我希望这是有道理的。

如果您在一个长列中将数据设置为A和B作为新列，则可以将GLM运行具有连续时间变量和名义上的“实验”变量（A，B）的回归模型。方差分析的输出将为您提供参数之间差异的重要性。“截距”是常见的截距，“实验”因子将反映实验之间的截距之间的差异（实际上是整体均值），“时间”因子将是常见的斜率，而交互作用是实验之间的差异到斜坡。

我必须承认我作弊（？）并分别运行模型以获取两组参数及其错误，然后运行组合模型以获取处理之间的差异（在您的情况下为A和B）...

由于两个模型具有相同的剩余自由度（即19），因此ANOVA分析不会显示F统计量和p。值，如果采用差异，则其为零！进行差异测试后，至少应有一个自由度才能执行F检验。