R 比较不同回归的系数

我试图比较两个具有相同变量的线性回归的系数，但适用于不同的子组。我想检查模型1中的系数是否等于模型2中的系数。我需要知道每个系数

我的可复制数据：

Data <- data.frame(
gender = sample (c("men", "women"), 2000, replace = TRUE),
var1 = sample (c("value1", "value2"), 2000, replace = TRUE),
var2 = sample (c("valueA", "valueB"), 2000, replace = TRUE),
y = sample(0:10, 2000, replace = TRUE)
)

---

数据正如@Barker在评论中指出的，这个问题的统计部分是；我将在这里添加一些R编码细节

为了回答这些问题（“男性和女性之间
var1
和
var2
的效果是否存在显著差异？”，请使用不同性别的交互作用来拟合模型，并测试交互作用术语

Data <- data.frame(
     gender = sample (c("men", "women"), 2000, replace = TRUE),
     var1 = sample (c("value1", "value2"), 2000, replace = TRUE),
    var2 = sample (c("valueA", "valueB"), 2000, replace = TRUE),
    y = sample(0:10, 2000, replace = TRUE)
 )
 mm <- lm(y~(var1+var2)*gender,Data)

数据这更像是一个“交叉验证”的问题，而且很糟糕。至少我的回答给出了简历答案中没有的R编码细节。非常感谢@Ben！你能帮我正确解释结果吗？在你的样本中，我是否应该得出结论，var1在男性和女性之间存在显著差异，因为（>| t |）
高于0.10？这些是检验无交互作用的零假设（即变量对两性的影响相同）的标准p值。大p值意味着不能拒绝零假设（如果您不熟悉这一点，那么在分析数据之前，您肯定应该改进/更新您的基本统计知识……）此外，我当然希望在该示例中，性别之间的差异是无关紧要的，因为所有值都是随机抽样的。
Data <- data.frame(
     gender = sample (c("men", "women"), 2000, replace = TRUE),
     var1 = sample (c("value1", "value2"), 2000, replace = TRUE),
    var2 = sample (c("valueA", "valueB"), 2000, replace = TRUE),
    y = sample(0:10, 2000, replace = TRUE)
 )
 mm <- lm(y~(var1+var2)*gender,Data)

interax <- c("var1value2:genderwomen","var2valueB:genderwomen")
printCoefmat(coef(summary(mm))[interax,])
##                        Estimate Std. Error t value Pr(>|t|)
## var1value2:genderwomen  0.20144    0.28241  0.7133   0.4758
## var2valueB:genderwomen -0.15423    0.28266 -0.5456   0.5854