Usando il registro delle variabili nella regressione lineare?Sono un nuovo studente che utilizza JMP e ho una domanda.
Ho un set di dati con diverse variabili che sono fortemente distorte, come evidenziato dalle loro distribuzioni. Una è la mia variabile dipendente e le altre sono tutte variabili indipendenti.
Creo nuove colonne usando Log_variable per la variabile dipendente e una delle variabili indipendenti principali.
Entrambe le loro distribuzioni sono migliorate significativamente verso una distribuzione normale.
Come accennato in precedenza, ho altre variabili indipendenti che sono anche fortemente distorte e sto pensando di convertirle in log.
La mia domanda è: è sempre consigliabile convertire le variabili indipendenti fortemente distorte in log_variable?
O dovrebbe essere usato minimamente?
Cordiali saluti - Eseguirò un'analisi di regressione multipla sulle variabili una volta che le avrò "preparate" (ovvero indirizzerò i valori mancanti e i potenziali valori anomali, creato log_variables).
Grazie,
JK
Ri: Utilizzo del registro delle variabili nella regressione lineare?Il requisito della normalità si applica alla distribuzione condizionale della risposta, non alla distribuzione globale o marginale. Non si applica affatto alle variabili predittive. Alcune inclinazioni potrebbero essere non casuali e spiegate dal modello! Per tale motivo valutiamo i residui. Ci aspettiamo che siano normalmente distribuiti, indipendenti e abbiano una varianza costante. Esistono strumenti diagnostici nella piattaforma Fit Least Squares per aiutarti a valutare il problema.
C'è anche uno strumento per valutare i benefici di una trasformazione. Hai valutato la trasformazione del registro. Una generalizzazione delle trasformazioni di potenza è la trasformazione Y Box-Cox disponibile nel menu del triangolo rosso Adatta i minimi quadrati sotto il profilo.
Ri: Utilizzo del registro delle variabili nella regressione lineare?Ho esaminato la capacità di trasformazione di Box-Cox, ma ho zero e
valori negativi, quindi non verrà eseguito.
Sì, sono a conoscenza del requisito di normalità sui residui e quello
sono casuali e media di zero.
Ho verificato la distribuzione residua per verificarlo.
Ho anche rivisto il riepilogo dell'adattamento e le stime dei parametri da rivedere
il modello per scendere a un livello di confidenza di 0,05 e bassi valori VIF.
Dal momento che la gamma delle mie variabili di input è estrema, da $ Million a a
$ 40 B su una variabile.
L'ho convertito in un registro che ha dimezzato il mio valore quadrato di Adj R, ma il
RMSE è passato da oltre 300 in giù 1,5.
Mi chiedo solo se è ragionevole applicare lo stesso approccio alla conversione
in una variabile di registro nell'altra variabile di input prima di eseguire il file
regressioni.
Mi rendo conto che il modello potrebbe spiegare alcune delle asimmetrie nel
dati senza conversione in log_variables, quindi quali sono i fattori decisionali
su quando convertire la variabile o conservarla come ricevuta?
Grazie.
Ri: Utilizzo del registro delle variabili nella regressione lineare?Con la potenza di JMP e la facilità d'uso ... la mia raccomandazione generale riguardo alle trasformazioni del predittore o della risposta in un ambiente di regressione è a meno che tu non abbia qualche competenza nel dominio che suggerisce che la trasformazione sia una buona idea in anticipo, perché confondere le acque? C'è un principio che ho cercato di seguire durante la modellazione; "Il modello più semplice che risponde al problema pratico originale è il modello" migliore ".
È un'operazione abbastanza semplice per iniziare con variabili non trasformate, quindi utilizzare tutti i test diagnostici e le visualizzazioni del modello in JMP per vedere quanto bene il modello non trasformato sta eseguendo. Quindi usa quella conoscenza per guidare il processo di trasformazione, se necessario per risolvere il problema originale ... Penso che questo sia congruente con @markbailey stai pensando?
Ri: Utilizzo del registro delle variabili nella regressione lineare?Sono confuso. Come hai preso il registro della risposta se ha valori non positivi? Perché non è possibile utilizzare il comando di trasformazione Y Box-Cox se la risposta varia da $ 1 milione a $ 40 miliardi?
È difficile confrontare le statistiche di regressione quando le risposte sono diverse (Y contro Log Y).
Puoi anche provare a trasferire le variabili X.
I dati che variano di più di un paio di ordini di grandezza generalmente beneficiano di tale trasformazione.
Decidi che le scelte sono state utili in base alla propensione e alla varianza del modello, alla parsimonia, alle assunzioni del modello valide e alla convalida empirica o alla convalida incrociata.
Questo modello ha scopi predittivi o esplicativi?
