OLS Importancia variable, términos de interacción y algunos errores inesperados.Hola
Estoy haciendo una regresión OLS simple con DV y IV continuos. Habilité el generador de perfiles de predicción y elegí evaluar la importancia variable y obtuve la tabla con los efectos principales y totales y su estándar. errores Si agrego un término de interacción a mi modelo OLS, el perfil de predicción arroja un error "la importancia variable requiere al menos dos filas en la tabla de datos). No estoy seguro si se debe a un término de interacción o algún otro problema.
En una nota relacionada, ¿el generador de perfiles de predicción y la importancia variable relativa para los modelos OLS son capaces de manejar términos de interacción? ¿Hay alguna forma de ver la importancia de los términos de interacción y los términos principales? Al observar el efecto principal y total (con términos de interacción y sin términos de interacción) de la tabla de importancia variable, ¿puede el cambio neto ser atribuible a la interacción?
usando JMP 15.3 pro, windows 10
Re: OLS Importancia variable, términos de interacción y algunos errores inesperadosLos perfiles se basan en todo el modelo, incluidos los términos no lineales. El perfil para una variable simplemente fija las otras variables en su valor actual. Entonces, el muestreo de valores variables se usa con todo el modelo:
Este modelo incluye términos para los tres efectos de interacción.
Re: OLS Importancia variable, términos de interacción y algunos errores inesperados @markbailey gracias por responder y proporcionar el ejemplo
Repliqué el mismo modelo y proporcioné una captura de pantalla de la versión 2, una que tiene solo los efectos principales y la segunda que tiene las 3 interacciones y términos principales. El efecto principal de la altura en el modelo sin interacciones es 0.76, mientras que en el factorial para modelo de interacción de grado, es 0.391.¿Cómo leer más en estos dos números? Básicamente estoy tratando de evaluar la importancia de la altura sola y la altura * peso, etc.
1) Esta diferencia ~ 0.36 se debe a la interacción de la altura con otros términos, así como con los otros términos
2) 0.76 incluye el efecto principal de la altura y las interacciones?
3) ¿Los términos de interacción se tratan implícitamente como otra variable independiente independientemente de si el modelo incluye explícitamente los efectos principales y de interacción?
factorial a grado principal e interacciones
Solo efectos principales y sin términos de interacción
Re: OLS Importancia variable, términos de interacción y algunos errores inesperadosEl efecto total se define como un índice que es directamente proporcional a la variabilidad en la respuesta pronosticada para alguna variación dada en el factor o predictor. Este índice refleja la contribución relativa de ese factor tanto solo y en combinación con otros factores .
Entonces, si selecciono el modelo de primer orden, el efecto total de la altura, la edad y el sexo es 0.779, 0.217 y 0.01, respectivamente. Por otro lado, si selecciono el modelo con términos de primer orden y términos cruzados, el efecto total de altura, edad y sexo es 0.712, 0.515 y 0.216, respectivamente. No esperaría el importancia de cualquier variable para permanecer igual en diferentes modelos. El cambio en un índice entre modelos no es importante.
Los perfiladores se proporcionan para explotación etapa de modelado, que sigue a la selección escenario. Podríamos monitorear el cambio en AICc en diferentes modelos durante la etapa de selección. AICc no sería útil en una etapa previa o posterior. Del mismo modo, el índice de efecto total es útil durante la explotación del modelo seleccionado, no en una etapa anterior.
Tú no debe usar esta función para seleccionar un modelo sobre otros modelos candidatos. Debe usar esta función para explorar y comprender el modelo seleccionado. Por lo tanto, observar los cambios en este índice en diferentes modelos utilizando los mismos factores no es significativo.
Por favor mira Ayuda > Biblioteca de documentación JMP > Perfiladores > Capítulo 3: Perfilador . Hay una sección completa en este capítulo dedicada a explicar la función Evaluar importancia variable. El fin de esta el capítulo incluye una sección con el estadístico detalles, incluidos aquellos para el cálculo de los diversos índices de importancia.
Re: OLS Importancia variable, términos de interacción y algunos errores inesperadosUn comentario más. Tu dijiste, " ¿Cómo leer más en estos dos números? Básicamente estoy tratando de evaluar la importancia de la altura sola y la altura * peso, etc. "Una interpretación de esta afirmación es cierta comprensión errónea sobre el modelo estadístico lineal. Es simplemente una combinación lineal de términos, cada uno con un solo parámetro como coeficiente. No existe un efecto de altura ^ 2, por ejemplo. Simplemente hay un efecto de altura que puede requerir varios términos para modelar adecuadamente: altura, altura ^ 2, altura * edad, y así sucesivamente. El efecto de altura está representado por la combinación de todos estos términos. No tiene sentido hablar de subefectos. Son simplemente un artefacto del modelo lineal. No existen dichos términos en otros modelos que podamos usar, como la partición recursiva, la red neuronal o el proceso gaussiano.
Otra interpretación de esta declaración es que desea conocer el beneficio de incluir términos de orden superior para representar el efecto de cualquier factor dado. Puede responder esa pregunta durante la etapa de selección anterior utilizando inferencia sobre un término (por ejemplo, t -rata o F -ratio) o el AICc para el modelo.
Por favor no me malinterpreten. No estoy diciendo que lo que está haciendo esté mal, estoy diciendo que podría estar usando este índice de una manera que no estaba destinado a ser utilizado.
