레버리지 플롯의 올바른 해석저는 최소 제곱 적합 결과를 보고 있는데 모델에 두 가지 요소가 있습니다(모델을 줄인 후 두 가지 요소가 남습니다). 전체 모델은 중요하지 않지만 요인 'A'에 대한 레버리지 도표는 중요합니다. 이것이 레버리지 플롯의 올바른 해석인지 확인하고 싶었습니다. 전체 모델은 중요하지 않지만 레버리지 플롯은 요인 'A'가 반응에 영향을 미친다는 것을 보여줍니다. ?
답변: 레버리지 플롯의 올바른 해석레버리지 도표에 의한 유의성 결정과 관련하여, 도표를 원래 척도 이상으로 확장하는 경우 가로 기준선(효과 없음)은 A 백분율에 대한 신뢰 영역 내에 포함되지 않습니다. 도표의 시각적 평가는 기본 유의 수준 0.05에 대한 p-값의 수치적 평가와 일치해야 합니다.
답변: 레버리지 플롯의 올바른 해석무슨 뜻인지, 왜 이렇게 말하는지 잘 모르겠습니다." 그래서 제가 혼란스러워하는 부분은 아무런 요인도 중요하지 않지만 여전히 효과 요약 요인 '퍼센트 A'가 중요하다는 것입니다. " 나는 당신이 ANOVA가 어떻게 반환할 수 있는지 묻는 것을 의미한다고 생각합니다. 피 - 0.05 이상의 값 피 -요인 중 하나의 값이 0.05보다 작습니다.
ANOVA는 다음을 사용합니다. 에프 모델의 평균 제곱합을 오류의 평균 제곱합과 비교하는 비율입니다. 0이 아닌 매개변수에 대한 옴니버스 테스트입니다. 모수 추정치는 다음을 사용합니다. 티 추정값과 가정된 값(0)을 추정값의 표준 오차와 비교하는 비율입니다. ANOVA와 t 테스트는 어떤 방식으로든 직접 연결되지 않습니다. 이 두 가지 테스트는 서로 다른 가설과 방법을 기반으로 합니다. 하나의 요인이 다음과 같은 경우에는 사실입니다. 피 -0.05보다 훨씬 작은 값이면 ANOVA가 다음을 가질 가능성이 더 높습니다. 피 -0.05보다 작은 값이지만 정비례하지는 않습니다. 귀하의 경우 ANOVA의 p-값과 요인은 모두 임의의 0.05 유의 수준에 가깝습니다. 두 사람 모두 귀무가설(0)을 기각할 수 있는 특히 강력한 증거를 얻지 못했습니다.
마지막 질문을 올바르게 해석하지 못했거나 문제를 명확히 설명하지 못한 경우 알려주시기 바랍니다.
답변: 레버리지 플롯의 올바른 해석@statman @마크_베일리 그래서 제가 혼란스러워하는 부분은 아무런 요인도 중요하지 않지만 여전히 효과 요약 요인 '퍼센트 A'가 중요하다는 것입니다.
답변: 레버리지 플롯의 올바른 해석귀하의 초기 게시물이 혼란 스럽습니다. 레버리지 도표를 보면 어떤 요인이나 전체 모델이 중요해 보이지 않습니다. 제가 이해한 바는 신뢰 곡선이 수평선을 넘어야 한다는 것입니다. 또한 이상해 보이는 잔차가 1~2개 있는 것 같습니다. 선별 실험에서 이러한 요소를 어떻게 선택했는지 잘 모르겠지만 이 내용을 다시 살펴보는 것이 좋습니다. 그리고 물론 Mark는 좋은 조언을 해주었습니다.
답변: 레버리지 플롯의 올바른 해석아니요!
FDR은 모형에 항이 매우 많은 상황을 위한 것입니다. 이는 실험적으로 제1종 오류율의 인플레이션을 제어하는 것을 목표로 합니다.
답변: 레버리지 플롯의 올바른 해석@마크_베일리 당신의 응답을 주셔서 감사합니다. 한 가지 후속 질문: 이 경우 FDR p-값이 우연의 일치를 필터링하는 데 도움이 된다고 생각하십니까(요인 A가 중요함)? 이 결과(이전에 보여드린)로 인해 효과 요약에서는 요인 'A'가 유의미하다는 것을 보여줍니다(아래 표시).
그리고 FDR 효과 요약을 확인하면 다음과 같은 결과가 나타납니다.
답변: 레버리지 플롯의 올바른 해석공유해 주셔서 감사합니다.진행하는 방법에는 여러 가지가 있습니다.
- 전체 모형 검정에서 어떤 항도 중요하지 않다는 결정을 받아들일 수 있습니다. 이 접근 방식은 보수적입니다. 위험은 제2종 오류를 범하는 것입니다.
- 이 사례가 선별 연구인 경우 유의성에 대한 공통 표준인 알파 = 0.05를 완화할 수 있습니다. 즉, 제2종 오류의 가능성을 줄이기 위해 제1종 오류의 더 높은 가능성을 수용하는 것입니다. 이는 선별 시 더 우려되는 부분입니다. 이 접근 방식에서는 향후 관찰을 통해 결론을 확인할 것이라고 가정합니다. 예를 들어, 새로운 요인 수준에서 반응을 예측하고 이를 경험적으로 확인합니다.
- 회귀 분석을 반복할 때 추세가 유지되는지 확인하기 위해 특히 요인 범위의 끝에서 더 많은 관측치를 수집할 수 있습니다. 변경이 물리적으로 가능한 경우 이 단계에서 범위를 확장하여 더 큰 효과를 생성하는 것을 고려할 수 있습니다. 이러한 접근 방식은 그러한 관찰이 최대한의 영향력을 가지기 때문에 신중하고 경제적입니다.
답변: 레버리지 플롯의 올바른 해석@마크_베일리 이것이 줄거리입니다.
답변: 레버리지 플롯의 올바른 해석회귀 분석에는 종종 많은 가설 테스트가 포함됩니다. 그러므로 잘못된 의미, 즉 제1종 오류를 얻을 가능성이 있습니다. 이 경우 요인 중 하나에 대해 높은 레버리지 관측치가 있을 수도 있습니다. 예측별 실제 그래프와 레버리지 그래프를 보여주실 수 있나요?
