Importanza della variabile OLS, termini di interazione e alcuni errori imprevistiCiao
Sto facendo una semplice regressione OLS con DV e IV continui. Ho abilitato il profiler di previsione e ho scelto di valutare l'importanza variabile e ho ottenuto la tabella con effetti principali e totali e il loro standard. errori. Se aggiungo un termine di interazione al mio modello OLS, il profilo di previsione genera un errore "l'importanza della variabile richiede almeno due righe nella tabella dei dati). Non sono sicuro che sia dovuto a termini di interazione o ad altri problemi.
In una nota correlata, il profiler di previsione e l'importanza della variabile relativa per i modelli OLS sono in grado di gestire i termini di interazione? Esiste un modo per vedere l'importanza dei termini di interazione e dei termini principali? Osservando l'effetto principale e totale (con termini di interazione e senza termini di interazione) della tabella di importanza variabile, la variazione netta può essere attribuibile all'interazione?
usando JMP 15.3 pro, windows 10
Ri: OLS Importanza della variabile, termini di interazione e alcuni errori imprevistiI profili si basano sull'intero modello, inclusi eventuali termini non lineari. Il profilo per una variabile fissa semplicemente le altre variabili al loro valore corrente. Quindi il campionamento di valori variabili viene utilizzato con l'intero modello:
Questo modello include termini per tutti e tre gli effetti di interazione.
Ri: OLS Importanza della variabile, termini di interazione e alcuni errori imprevisti @markbailey grazie per la risposta e per aver fornito l'esempio
Ho replicato lo stesso modello e fornito uno screenshot della versione 2, uno che ha solo gli effetti principali e il secondo che ha tutte e 3 le interazioni e i termini principali. L'effetto principale dell'altezza nel modello senza interazioni è 0,76, mentre nel fattoriale modello di interazione dei gradi, è 0,391. Come leggere di più su questi due numeri? Fondamentalmente sto cercando di valutare l'importanza relativa dell'altezza da sola e dell'altezza * peso e così via.
1) Questa differenza ~ 0,36 è dovuta all'interazione dell'altezza con altri termini e altri termini
2) 0.76 include l'effetto principale dell'altezza e delle interazioni?
3) I termini di interazione sono implicitamente trattati come un'altra variabile indipendente indipendentemente dal fatto che il modello includa esplicitamente gli effetti principali e di interazione?
fattoriale per laurea principale e interazioni
Solo effetti principali e nessun termine di interazione
Ri: OLS Importanza della variabile, termini di interazione e alcuni errori imprevistiL'effetto totale è definito come un indice direttamente proporzionale alla variabilità nella risposta prevista per una determinata variazione del fattore o predittore. Questo indice riflette il contributo relativo di quel fattore sia da solo e in combinazione con altri fattori .
Quindi, se seleziono il modello del primo ordine, l'effetto totale di altezza, età e sesso è rispettivamente di 0,779, 0,217 e 0,01. D'altra parte, se seleziono il modello con termini del primo ordine e termini incrociati, l'effetto totale di altezza, età e sesso è rispettivamente di 0,712, 0,515 e 0,216. Non mi aspetterei il importanza di una qualsiasi variabile per rimanere invariati tra modelli diversi. La modifica di un indice tra i modelli non è importante.
I profilatori sono previsti per il sfruttamento fase di modellizzazione, che segue il selezione palcoscenico. Durante la fase di selezione potremmo monitorare la modifica di AICc su diversi modelli. AICC non sarebbe utile in una fase precedente o successiva. Allo stesso modo, l'indice dell'effetto totale è utile durante lo sfruttamento del modello selezionato, non in una fase precedente.
tu non utilizzare questa funzione per selezionare un modello rispetto ad altri modelli candidati. È necessario utilizzare questa funzione per esplorare e comprendere il modello selezionato. Pertanto, osservare le modifiche in questo indice tra diversi modelli utilizzando gli stessi fattori non è significativo.
Perfavore guarda Aiuto > Libreria di documentazione JMP > profilers > Capitolo 3: Profiler . C'è un'intera sezione in questo capitolo dedicata alla spiegazione della funzione Valutazione dell'importanza delle variabili. La fine di Questo il capitolo include una sezione con il statistico dettagli, compresi quelli per il calcolo dei vari indici di importanza.
Ri: OLS Importanza della variabile, termini di interazione e alcuni errori imprevistiUn ulteriore commento. Tu hai detto, " Come leggere di più in questi due numeri? Fondamentalmente sto cercando di valutare l'importanza relativa dell'altezza da sola e dell'altezza * peso e così via. "Una interpretazione di questa affermazione è una comprensione errata del modello statistico lineare. È semplicemente una combinazione lineare di termini, ciascuno con un singolo parametro come coefficiente. Ad esempio, non esiste un effetto altezza ^ 2. Esiste semplicemente un effetto altezza che potrebbe richiedere una modellazione adeguata di diversi termini: altezza, altezza ^ 2, altezza * età e così via. L'effetto altezza è rappresentato dalla combinazione di tutti questi termini. Non ha senso parlare di effetti secondari. Sono semplicemente un artefatto del modello lineare. Non esistono termini del genere in altri modelli che potremmo usare, come partizione ricorsiva, rete neurale o processo gaussiano.
Un'altra interpretazione di questa affermazione è che si desidera conoscere il vantaggio di includere termini di ordine superiore per rappresentare l'effetto di un dato fattore. Puoi rispondere a questa domanda durante la fase di selezione precedente usando l'inferenza su un termine (ad es. t -ratio o F -ratio) o l'AICc per il modello.
Per favore, non interpretarmi male. Non sto dicendo che quello che stai facendo sia sbagliato, sto dicendo che potresti usare questo indice in un modo che non è stato progettato per essere utilizzato.
