我对预测Y很感兴趣，正在研究X1和X2两种不同的测量技术。例如，我想通过测量香蕉在桌子上放了多长时间，或者通过测量香蕉上棕色斑点的数量来预测香蕉的味道。
我想知道哪一种测量技术更好，我是否应该选择只执行一种。
我可以在R中创建线性模型:
m1 = lm(Y ~ X1)
m2 = lm(Y ~ X2)
现在我们假设X1比X2更能预测香蕉的味道。计算两种模型的R^2时，m1模型的R^2明显高于m2模型。在写一篇关于X1方法如何优于X2的论文之前，我想有一些迹象表明这种差异不是偶然的，可能以p值的形式出现。
该怎么做呢?当我使用不同品牌的香蕉时，如何做到这一点，并将香蕉品牌作为随机效应纳入线性混合效应模型?
对不起，我没有理解你的意思。据我所知，这是一个简单的基础统计学问题，不是r。
在1个回归中把它们放在一起。每个系数的p值显示它们是否显著。你也可以把香蕉品牌当做假人(如果种类不多的话)。然后做方差分析。顺便说一句，这两种测量技术在单独的模型中都重要吗?这些模型和组合模型的R^2是什么?至于你的问题，看看R^2的定义，希望能有所帮助:)