显著性检验可能是片面的吗？

Question

我正在进行回归分析，我的目的是看看理论方法是否适用于数据。将因变量的数据分为三类。因此，我有其中的1个作为引用，并添加了2个伪变量。

因此，在查看数据之前，我希望我的一个虚拟变量的系数为负，另一个变量的系数为正。这些期望是由于我试图用数据来验证的理论。

我的问题是，我是否可以认为上面提到的虚拟变量的显着性检验是片面的或不是片面的。

Answer 1

因此，本质上的问题是，假设

dummy1 * dummy2 < 0

是否为时过早。案例：

我们知道情况就是这样。

在这种情况下，假设这一点是正确的，但您还需要确保您的软件正确地验证了新输入，并修复了会违反此规则的旧数据。

我们不知道是不是这样，但我们知道应该是这样

在这个场景中，如果您没有对具有不同于dummy2的符号的dummy1进行测试和数据验证，那么您的假设还为时过早。如果你有验证/测试/修复，而没有反例，那么现在似乎还不成熟。

我们只有理论

在这种情况下，在从数学或工程方法证明它之前，这还为时过早。