OLS-Variablenwichtigkeit, Interaktionsbedingungen und einige unerwartete FehlerHallo
Ich mache eine einfache OLS-Regression mit kontinuierlichem DV und IV. Ich aktivierte den Vorhersageprofiler und wählte die Wichtigkeit der Variablen aus und erhielt die Tabelle mit Haupt- und Gesamteffekten und deren Std. Fehler. Wenn ich meinem OLS-Modell einen Interaktionsterm hinzufüge, gibt das Vorhersageprofil einen Fehler aus: "Variablenwichtigkeit erfordert mindestens zwei Zeilen in der Datentabelle). Ich bin mir nicht sicher, ob es an der Interaktionsdauer oder einem anderen Problem liegt.
Ist der Vorhersageprofiler und die Bedeutung der relativen Variablen für OLS-Modelle in einem ähnlichen Zusammenhang in der Lage, Interaktionsterme zu verarbeiten? Ist die Bedeutung von Interaktionsbegriffen und den Hauptbegriffen überhaupt ersichtlich?Kann die Nettoveränderung durch Betrachten des Haupt- und Gesamteffekts (mit Interaktionstermen und ohne Interaktionsterme) der Variablenwichtigkeitstabelle der Interaktion zugeschrieben werden?
mit JMP 15.3 pro, Windows 10
Betreff: OLS-Variablenwichtigkeit, Interaktionsbedingungen und einige unerwartete FehlerNoch ein Kommentar. Du sagtest, " Wie kann man mehr in diese beiden Zahlen hineinlesen? Grundsätzlich versuche ich, die relative Bedeutung von Größe allein und Größe*Gewicht und so weiter einzuschätzen. " Eine Interpretation dieser Aussage ist ein Missverständnis über das lineare statistische Modell. Es ist einfach eine lineare Kombination von Termen mit jeweils einem einzelnen Parameter als Koeffizient. Es gibt zum Beispiel keinen Höhen^2-Effekt. Es gibt einfach einen Größeneffekt, für den möglicherweise mehrere Begriffe angemessen modelliert werden müssen: Größe, Größe^2, Größe*Alter und so weiter. Der Höheneffekt wird durch die Kombination all dieser Begriffe dargestellt. Es macht keinen Sinn, über Untereffekte zu sprechen. Sie sind lediglich ein Artefakt des linearen Modells. In anderen Modellen, die wir verwenden könnten, wie z. B. rekursive Partition, neuronales Netzwerk oder Gaußscher Prozess, gibt es solche Begriffe nicht.
Eine andere Interpretation dieser Aussage ist, dass Sie wissen möchten, welchen Nutzen es hat, Terme höherer Ordnung einzubeziehen, um die Wirkung eines bestimmten Faktors darzustellen. Sie könnten diese Frage während der vorherigen Auswahlphase beantworten, indem Sie auf einen Begriff schließen (z. B. T -Verhältnis bzw F -Verhältnis) oder die AICc für das Modell.
Bitte interpretieren Sie mich nicht falsch. Ich sage nicht, dass das, was Sie tun, falsch ist, ich sage, dass Sie diesen Index möglicherweise auf eine Weise verwenden, für die er nicht vorgesehen war.
Betreff: OLS-Variablenwichtigkeit, Interaktionsbedingungen und einige unerwartete FehlerDer Gesamteffekt ist als ein Index definiert, der direkt proportional zur Variabilität der vorhergesagten Reaktion für eine bestimmte Variation des Faktors oder Prädiktors ist. Dieser Index spiegelt den relativen Beitrag dieses Faktors allein wider und in Kombination mit anderen Faktoren .
Wenn ich also das Modell erster Ordnung auswähle, beträgt der Gesamteffekt von Größe, Alter und Geschlecht 0,779, 0,217 bzw. 0,01. Wenn ich andererseits das Modell mit Termen erster Ordnung und Kreuztermen auswähle, beträgt der Gesamteffekt von Größe, Alter und Geschlecht 0,712, 0,515 bzw. 0,216. Das würde ich nicht erwarten Bedeutung einer Variablen, um über verschiedene Modelle hinweg gleich zu bleiben. Die Änderung eines Index über die Modelle hinweg ist nicht wichtig.
Die Profiler werden für die bereitgestellt Ausbeutung Phase der Modellierung, die dem folgt Auswahl Bühne. Während der Auswahlphase können wir die Änderung des AICc bei verschiedenen Modellen überwachen. AICc in einer vor- oder nachgelagerten Stufe nicht sinnvoll wäre. In ähnlicher Weise ist der Gesamtwirkungsindex während der Nutzung des ausgewählten Modells nützlich, nicht in einer früheren Phase.
Du sollten diese Funktion nicht verwenden, um ein Modell gegenüber anderen Kandidatenmodellen auszuwählen. Sie sollten diese Funktion verwenden, um das ausgewählte Modell zu erkunden und zu verstehen. Daher ist es nicht aussagekräftig, Änderungen dieses Index über verschiedene Modelle hinweg mit denselben Faktoren zu betrachten.
Bitte sehen Hilfe > JMP-Dokumentationsbibliothek > Profiler > Kapitel 3: Profiler . In diesem Kapitel gibt es einen ganzen Abschnitt, der der Erläuterung der Funktion „Variablenwichtigkeit bewerten“ gewidmet ist.Das Ende von Das Kapitel enthält einen Abschnitt mit der statistisch Einzelheiten, auch für die Berechnung der verschiedenen Wichtigkeitsindizes.
Betreff: OLS-Variablenwichtigkeit, Interaktionsbedingungen und einige unerwartete Fehler@Mark_Bailey danke für die Antwort und die Bereitstellung des Beispiels
Ich habe das gleiche Modell repliziert und einen Screenshot von 2 Versionen bereitgestellt, eine mit nur den Haupteffekten und die zweite mit allen 3 Wechselwirkungen und Hauptbegriffen. Der Haupteffekt der Höhe im Modell ohne Wechselwirkungen beträgt 0,76, während er im Fakultätsmodell bei 0,76 liegt Grad-Interaktionsmodell, es ist 0,391. Wie kann man mehr in diese beiden Zahlen hineinlesen? Grundsätzlich versuche ich, die relative Bedeutung von Größe allein und Größe*Gewicht und so weiter einzuschätzen.
1) Dieser Unterschied von ~0,36 ist auf die Wechselwirkung der Höhe mit anderen Begriffen sowie den anderen Begriffen zurückzuführen
2) 0,76 beinhaltet Haupteffekt der Höhe und Wechselwirkungen?
3) Werden Interaktionsterme implizit als weitere unabhängige Variable behandelt, unabhängig davon, ob das Modell explizit Haupt- und Interaktionseffekte enthält?
Fakultät zu Grad Haupt- und Wechselwirkungen
Nur Haupteffekte und keine Wechselwirkungsterme
Betreff: OLS-Variablenwichtigkeit, Interaktionsbedingungen und einige unerwartete FehlerDie Profile basieren auf dem gesamten Modell, einschließlich aller nichtlinearen Terme. Das Profil für eine Variable fixiert einfach die anderen Variablen auf ihren aktuellen Wert. Das Sampling von Variablenwerten wird also mit dem gesamten Modell verwendet:
Dieses Modell enthält Terme für alle drei Interaktionseffekte.
