¿Usando el registro de variables en regresión lineal?Soy un estudiante nuevo que usa JMP y tengo una pregunta.
Tengo un conjunto de datos con varias variables que están muy sesgadas, como lo demuestran sus distribuciones. Una es mi variable dependiente y las otras son todas variables independientes.
Creo nuevas columnas usando Log_variable para la variable dependiente y una de las principales variables independientes.
Ambas distribuciones mejoraron significativamente hacia una distribución normal.
Como se mencionó anteriormente, tengo otras variables independientes que también están muy sesgadas y estoy considerando convertirlas en registros.
Mi pregunta es, ¿siempre es aconsejable convertir las variables independientes muy sesgadas a log_variable?
¿O debería usarse esto mínimamente?
FYI: ejecutaré un análisis de regresión múltiple en las variables una vez que las haya "preparado" (es decir, abordar los valores faltantes y los valores atípicos potenciales, las variables log_ creadas).
Gracias,
JK
Re: ¿Usando el registro de variables en regresión lineal?El requisito de normalidad se aplica a la distribución condicional de la respuesta, no a la distribución general o marginal. No se aplica a las variables predictoras en absoluto. ¡Algunos de los sesgos pueden ser no aleatorios y explicados por el modelo! Por eso evaluamos los residuos. Esperamos que estén distribuidos normalmente, sean independientes y tengan una variación constante. Hay herramientas de diagnóstico en la plataforma Fit Least Squares para ayudarlo a evaluar el problema.
También hay una herramienta para evaluar el beneficio de una transformación. Usted evaluó la transformación del registro. Una generalización de las transformaciones de potencia es la transformación Y de Box-Cox disponible en el menú del triángulo rojo Ajustar mínimos cuadrados debajo de la creación de perfiles.
Re: ¿Usando el registro de variables en regresión lineal?Revisé la capacidad de transformación de Box-Cox, pero tengo cero y
valores negativos para que no se ejecute.
Sí, conozco el requisito de normalidad en los residuos y que
serán al azar y media de cero.
He revisado la distribución residual para verificar eso.
También he revisado el resumen de ajuste y las estimaciones de parámetros para revisar
el modelo para bajar a un nivel de confianza de 0.05 y valores bajos de VIF.
Dado que el rango de mis variables de entrada es extremo, desde bajos $ Millones hasta
$ 40 B en una variable.
Lo convertí en un registro que redujo mi valor cuadrado Adj R a la mitad, pero el
RMSE pasó de más de 300 a 1,5.
Solo me pregunto si es razonable aplicar el mismo enfoque de conversión
a una variable de registro a la otra variable de entrada antes de ejecutar el
regresiones
Me doy cuenta de que el modelo puede explicar parte de la asimetría en el
datos sin convertir a log_variables, entonces, ¿cuáles son los factores de decisión
¿Cuándo convertir la variable o retenerla como se recibió?
Gracias.
Re: ¿Usando el registro de variables en regresión lineal?Con el poder de JMP y la facilidad de uso ... mi recomendación general con respecto a las transformaciones de predictores o respuestas en un entorno de regresión es a menos que tenga alguna experiencia en el dominio que sugiera que la transformación es una buena idea de antemano, ¿por qué enturbiar las aguas? Hay un principio que intenté seguir al modelar; "El modelo más simple que responde al problema práctico original es el 'mejor' modelo".
Es una tarea lo suficientemente simple como para comenzar con variables no transformadas, luego usar todas las pruebas y visualizaciones de diagnóstico del modelo en JMP para ver qué tan bien está funcionando el modelo no transformado. Luego use ese conocimiento para guiar el proceso de transformación, si es necesario para resolver el problema original ... Creo que esto es congruente con @markbailey está pensando?
Re: ¿Usando el registro de variables en regresión lineal?Estoy confundido. ¿Cómo tomó el registro de la respuesta si tiene valores no positivos? ¿Por qué no puede usar el comando de transformación Box-Cox Y si su respuesta oscila entre $ 1M y $ 40B?
Es difícil comparar las estadísticas de regresión cuando las respuestas son diferentes (Y versus Log Y).
También puede intentar transfigurar variables X.
Los datos que varían más de un par de órdenes de magnitud generalmente se benefician de tal transformación.
Usted decide que las opciones fueron útiles según el sesgo y la varianza del modelo, la parsimonia, los supuestos válidos del modelo y la validación empírica o la validación cruzada.
¿Es este modelo con fines predictivos o explicativos?
