<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />Nehmen wir an, wir wollen feststellen, ob Y (kontinuierlich) könnte durch andere Metriken vorhergesagt werden ( X1, X2, X3 -alle durchgehend).
Wir haben eine Tabelle mit 31 Zeilen, jede Zeile enthält Daten über X1, X2, X3 und Y.
Wir möchten herausfinden, welche Metriken wir als Eingaben für Y verwenden sollten, während wir mindestens 81 % der Variation in Y berücksichtigen möchten.
Wir haben das Modell angepasst und uns die „Zusammenfassung der Anpassung“ angesehen, dort sehen wir ein R-Quadrat von 0,9, jedoch gilt es für das gesamte Modell X1, X2 und X3 insgesamt .
Wie können wir überprüfen, wie hoch der Prozentsatz der Variation in Y für jede der Metriken ist separat und vergewissern Sie sich, dass es tatsächlich > 81 % ist? Sollten wir das Modell 3 mal separat anpassen?
dh
1 st Zeit Y mit X1 und R-Quadrat prüfen
2 nd Zeit Y mit X2 und R-Quadrat überprüfen
3 rd Zeit Y mit X3 und R-Quadrat überprüfen
Wenn wir das so machen, erhalten wir:
R-Quadrat für X1-0,83
R-Quadrat für X2-0,82
R-Quadrat für X3-0,09
Bedeutet das, dass X1 & X2 verwendet werden können? separat als Eingaben für Y, und berücksichtigen Sie den erforderlichen Prozentsatz der Variation in Y? Ist das eine korrekte Analyse & Aussage?
Vielen Dank
Ramon Bär
Hi rambam54 ,
Du hast Recht; Ihren Ergebnissen zufolge machen X1 und X2 separat mehr als 81 % der Varianz in den Stichprobendaten aus, sodass beide als Eingabe infrage kommen könnten. Denken Sie jedoch daran, dass die Stichprobe R^2, wie alle Stichprobenschätzungen, Stichprobenfehlern unterliegt, sodass der wahre Anteil der in der Grundgesamtheit berücksichtigten Varianz mehr oder weniger sein kann. Wenn es also geschäftskritisch ist, dass Sie Beweise dafür haben, dass der Anteil der Varianz, der auf Ihre Eingabe zurückzuführen ist, in der Grundgesamtheit über 0,81 liegt, sollten Sie ein Konfidenzintervall um die Schätzung legen und sicherstellen, dass die untere Grenze des Konfidenzintervalls ' t unter 0,81. Wenn Sie zufällig JMP Pro verwenden, Bootstrapping wäre angesichts der Größe Ihrer Stichprobe ein guter Ansatz.Alternativ ist die Berechnung einfach (unter Berücksichtigung der üblichen parametrischen Annahmen), und es gibt sogar Online-Statistiken Rechner Dies erfordert eine einfache Eingabe (Stichprobengröße, beobachtetes R ^ 2, Anzahl der Prädiktoren). Mit Ihrer Probe wären die 95%-Grenzen für R ^ 2 von Y, die auf X1 regressiert werden, ~ 0,72 ≤ R2 ≤ 0,93.
Ich hoffe das hilft!
julianisch
