Falta de ajuste: R cuadrado significativo en dos "modelos x / y casi similares"Hola.
Sé que se hizo una pregunta similar antes, pero ayúdeme a aplicar esto a mi modelo:
1. prueba dos regresiones: A versus B y A versus C (observaciones similares n = 1242)
2. El modelo A versus B tiene un Rsquare más alto y parece tener una mejor correlación, pero una falta de ajuste <0.05
3. El modelo A contra C tiene una Rsquare más baja y sems para tener un poco menos de correlación, pero una falta de ajuste> 0.05
4. La trama residual parece bastante similar.
Para ver el resultado completo actual, consulte también mi PDF adjunto.
Mi pregunta: ¿Debo ignorar el Modelo A contra B y concluir que A contra C es mejor y más apropiado para mi análisis?

Re: Falta de ajuste: R cuadrado significativo en dos "modelos x / y casi similares"Muchas gracias David.
Todas son variables fisiológicas, todas las mediciones se realizan con el mismo método, por lo tanto, tratar de encontrar el mejor predictor para A. B y C son dependientes entre sí.
Exploraré los valores atípicos por separado más adelante, pero antes de esto quería configurar el mejor modelo para definir valores atípicos (> 2SD o> 90% de percentiles), aunque tal vez sean los mismos en cada modelo (de todos modos no lo he comprobado). ).
Muchas gracias marc
Re: Falta de ajuste: R cuadrado significativo en dos "modelos x / y casi similares"Basándome en una breve mirada a los modelos, mi opinión es que te preocupas demasiado por las estadísticas detalladas. Los 2 modelos me parecen casi idénticos (mire las gráficas bivariadas, no solo las estadísticas): claramente hay un alto nivel de correlación entre B y C. ¿Su comprensión científica favorece un modelo sobre otro?
Lo que me llama la atención son los puntos de alto apalancamiento en un valor de aproximadamente 70 (tanto para B como para C, por extraño que ambos estén en la misma escala, ¿son medidas diferentes de la misma cosa?). De todos modos, me preocuparía el grado de apalancamiento de esos puntos y su influencia general en la regresión.