Ваш метод, як видається, не вирішує питання, припускаючи, що "модеруючий ефект" - це зміна одного або декількох коефіцієнтів регресії між двома групами. Тести значущості в регресії оцінюють, чи не є нульовими коефіцієнти. Порівнюючи p-значення у двох регресіях, ви мало знаєте (якщо щось є) про відмінності в цих коефіцієнтах між двома вибірками.
Натомість введіть гендер як фіктивну змінну та взаємодійте її з усіма коефіцієнтами інтересу. Потім перевірити на значущість пов'язаних коефіцієнтів.
Наприклад, у найпростішому випадку (однієї незалежної змінної) ваші дані можуть бути виражені у вигляді списку (хi,уi,гi) кортежі де гi - гендери, кодовані як 0 і 1. Модель статі0 є
уi=α0+β0хi+εi
(де i індексує дані, для яких гi= 0) та модель для статі 1 є
уi=α1+β1хi+εi
(де i індексує дані, для яких гi= 1). Параметри єα0, α1, β0, і β1. Помилки єεi. Припустимо, що вони незалежні і однаково розподілені з нульовими засобами. Комбінована модель для перевірки на різницю укосів (β's) можна записати як
уi= α +β0хi+ (β1-β0) (хiгi) +εi
(де i варіюється за всіма даними), тому що при встановленні гi= 0 останній термін випадає, даючи першу модель с α =α0, і коли ви встановите гi= 1 два кратні хi комбінувати, щоб дати β1, поступаючись другій моделі с α =α1. Тому ви можете перевірити, чи нахили однакові ("ефект помірного моделювання"), встановивши модель
уi= α + βхi+ γ(хiгi) +εi
і тестування, чи оцінюється розмір ефекту, що модерує, γ^, дорівнює нулю. Якщо ви не впевнені, що перехоплення будуть однаковими, додайте четвертий термін:
уi= α + δгi+ βхi+ γ(хiгi) +εi.
Не обов'язково перевіряти, чи є δ^ дорівнює нулю, якщо це не викликає інтересів: воно включене, щоб дозволити окремі лінійні пристосування до обох статей, не змушуючи їх мати однаковий перехоплення.
Основним обмеженням цього підходу є припущення про те , що дисперсії помилокεiоднакові для обох статей. Якщо ні, то вам потрібно включити таку можливість, і це потребує трохи більше роботи з програмним забезпеченням, щоб відповідати моделі та більш глибоко замислюватися над тим, як перевірити значення коефіцієнтів.