다중 회귀에 대한 도움말
고급 통계 모델링제발: 다중 회귀에 대한 도움을 주세요안녕하세요,
로지스틱 회귀 분석에서 매개변수를 조정하는 방법을 묻고 싶습니다. 의학 연구를 수행하고 "심장마비" 결과를 예/아니요로 분석하고 염증 매개변수가 결과에 영향을 미치는지 여부를 분석하지만 나이를 조정해야 합니다. 심장 마비의 위험 요소로 알려져 있기 때문입니다. 질문: "연령"에 대한 조정은 어디에 입력해야 합니까?
감사합니다!
Re: 다중 회귀에 대한 도움말Mark의 답변은 매우 훌륭합니다. 만족도 수준이 0에서 1 사이의 연속 변수일 수 있다고는 생각지도 못했습니다(자주 본 척도는 아닙니다).따라서 실제로 연속적이라면 회귀 모델을 실행할 수 있습니다.나는 그러한 모델의 계수를 매우 조심스럽게 해석할 것입니다. 이를 인과관계로 설명하려는 유혹은 부정확할 수 있습니다.예를 들어, 계수는 각 연도의 경험과 관련된 만족도 증가를 설명할 수 있습니다.이것이 긍정적이라면 매년의 경험이 직업 만족도에 어떻게 기여하는지 해석하는 것이 유혹적일 것입니다.하지만 경험이 많은 사람이 자신의 직업에 더 만족할 것이라고 믿는 것은 당연할 것이다(일종의 생존 편향).중요한 연관성을 찾는 것이 실제로 무엇을 의미하는지는 명확하지 않습니다.다른 독립변수에 대해서도 비슷한 문제가 발생합니다.
Re: 다중 회귀에 대한 도움말귀하의 응답이 실제로 두 가지 수준(불만족, 만족)인 경우 명목모델링 유형 이를 범주형 응답으로 처리합니다. 그러면 선형 회귀가 로지스틱 회귀로 변경됩니다.
응답이 실제로 연속적(만족도 0에서 1까지)인 경우 선형 회귀 분석이 어려울 수 있습니다. 회귀에서는 반응이 무한하며 음의 무한대에서 양의 무한대까지의 범위를 갖는다고 가정합니다. 불일치를 해결해야 하는 Fit Model 시작 대화 상자에 내장된 응답 변환을 사용할 수 있습니다. 로짓 변환은 Log(satisfaction / (1-satisfaction))입니다. (함수는 자연 로그임을 참고하세요).
Y 역할에서 응답을 선택한 다음 변환의 하단 중앙 근처에 있는 빨간색 삼각형을 클릭하고 로짓을 선택하기만 하면 됩니다. 다음과 같이 작동합니다:
이 예에는 응답과 같이 연속적이지만 0과 1 사이에 제한된 응답 Y가 있습니다. 예측 변수 X는 정규 분포를 따릅니다. 이제 지침에 따라 Fit Model 실행 I을 설정합니다.
나는 2차 선형 모델을 사용하고 있지만 그 사실은 중요하지 않습니다. 이 접근 방식은 모델과 같은 모든 선형 예측 변수에서 작동합니다. 실행을 클릭합니다.
(먼저 강조 설정을 최소 보고서로 변경했습니다.)
이 변환은 회귀 분석이 만족도의 하한 및 상한을 처리하는 데 도움이 된다는 것을 알 수 있습니다.
Re: 다중 회귀에 대한 도움말표시기 기능 매개변수화
용어 | 추정 | 표준 오류 | t 비율 | 문제>|t| |
인터셉트 | 0,6116566 | 0,001994 | 306,75 | <,0001* |
표준 마지막_평가 | 0,0455447 | 0,00211 | 21,58 | <,0001* |
표준번호_프로젝트 | -0,047008 | 0,002134 | -22,03 | <,0001* |
표준시간_지출_회사 | -0,022359 | 0,002022 | -11,06 | <,0001* |
프로모션_지난_5년[1-0] | 0,0553393 | 0,013707 | 4,04 | <,0001* |
해석을 도와주세요 
Re: 다중 회귀에 대한 도움말반응 변수를 연속형으로 모델링해서는 안 됩니다.두 가지 수준(0과 1)을 갖는 명목변수입니다.따라서 해당 유형을 명목형으로 변경하면 Fit Model 플랫폼이 로지스틱 회귀를 수행합니다.일반적으로 정량적 결과는 확실히 다르겠지만, 정성적 결과(어떤 변수가 중요한 요소인지)는 유사하게 나타날 것이라고 생각합니다.
Re: 다중 회귀에 대한 도움말답변 주셔서 감사합니다. 응답 변수는 연속형 변수이며 0,0 - 1,0 사이의 범위를 가지며, 여기서 0,0은 만족되지 않고 1,0은 만족됩니다.
Re: 다중 회귀에 대한 도움말본 적이 있나요? 돕다 > 서적 > 선형 모델 피팅 ?
Re: 다중 회귀에 대한 도움말여기에는 많은 숫자와 많은 질문이 있습니다. 이러한 질문 중 상당수는 다중 회귀 분석이 무엇인지, 계수, 적합성 등을 해석하는 방법에 대한 기본적인 이해가 필요합니다. 하지만 저는 한 가지 큰 문제에 집중하겠습니다.결과는 만족도에 영향을 미치는 여러 중요한 요소(비록 서로 연관되어 있을 수 있으므로 VIF에서 다중 공선성을 확인해야 함)와 전체 모델이 무작위보다 훨씬 더 나은 모델(많은 낮은 p 값으로 표시됨)을 나타냅니다.그러나 전체적인 적합도(R-제곱으로 표시됨)는 상당히 좋지 않습니다.이는 귀하의 응답 변수인satisfy_level이 연속형으로 코딩되었기 때문인 것으로 추측됩니다.평균값이 0.61이므로 이 변수는 실제로 서수형(0~4점 척도로 만족도를 평가하는 것과 같은)이라고 생각됩니다. 이것을 연속적인 척도(1이 2보다 나은 것 등)로 해석하는 것은 가능하지만 다소 위험합니다(1에서 2까지의 "거리"와 2에서 3까지의 "거리"는 실제로 의미 있는 의미에서 "동일"하지 않습니다). ).따라서 Y 변수를 순서형으로 변경하여 이를 모델링하는 것을 고려할 수 있습니다.또한 직무 평가, 승진, 경험 등과 같은 것들이 서로 밀접하게 관련되어 있는 경우가 많기 때문에 독립 변수가 실제로 서로 다른 것을 측정하고 있는지 확인하고 싶습니다.
