로지스틱 회귀 분석에서 매개 변수화 선택 및 모델 비교포럼 회원 여러분,
이 실제 데이터에 대한 예측보다는 가설 테스트에 대한 로지스틱 회귀를 사용하여 종속 이진 변수 (Target) 로이 데이터 세트를 분석하고 있습니다.
시간에 따른 추세 (년)가 더 강한 지 (일정한지) 또는 일시적인 변화가 중단 점으로 더 의미가 있는지 평가하기 위해 모델 매개 변수화를 사용하고 싶습니다.
별도로 사용하는 경우 연속 Year 변수를 사용하여 모델이 더 적합 할 수 있습니다. 다른 한편으로, 기술적 변화는 처음부터 모델링의 이유이므로 무시할 수 없습니다.
상호 작용과 함께 모든 매개 변수는 중요하지 않으며 (아마도 다중 공선 성, 작은 표본 크기, 너무 많은 분산 또는 모두 함께) 시간이 지남에 따라 성향의 변화가 없다는 잘못된 인상을줍니다.
더 명확한 결론에 도달하기 위해 모델 사양 또는 비교 측면에서 제안 사항이 있으면 알려주십시오.
대체 모델 용 스크립트가있는 데이터 테이블이 첨부되어 있습니다.
Re : 로지스틱 회귀 분석에서 매개 변수화 선택 및 모델 비교모델을 보면 연도처럼 보이고 개별적으로 변화가 매우 중요합니다. 교차 (상호 작용) 효과를 적용하면 모수 추정치 중 유의미한 것으로 보이지 않지만 전체 모형은 중요합니다. 그러나 나는 연도와 모델의 변화 사이에 상호 작용을하는 감각을 이해하지 못합니다-변경 변수는 연도가 개입 시간 이전인지 또는 이후인지를보고하기 때문에 상호 작용을하는 것은별로 의미가 없습니다. . 나는 당신이 요구하는 것이 연도가 사전 및 사후 기간의 목표에 다른 영향을 미치는지 여부를 가정합니다. 이것을 검사하는 더 직접적인 방법은 Y (목표)를 X (연도)에 맞추고 변경 사항 (사전 및 사후)을 By 상자에 넣는 것입니다. 이 작업을 수행하면 해당 기간이 Pre 기간에는 유의하지 않지만 Post 기간에는 상당히 중요하다는 것을 알 수 있습니다. 나는 그것이 당신의 질문에 대답한다고 생각합니다. 두 기간에서 기울기 (여기에서 비선형)가 크게 다른지 여부에 대한 테스트가 필요한 경우 적절한 테스트가 무엇인지 확실하지 않지만 두 기간에서 연도의 효과가 크게 다르다는 것이 분명합니다. .
Re : 로지스틱 회귀 분석에서 매개 변수화 선택 및 모델 비교감사합니다 dale 조언을 위해.
이상적으로는 2005 년에 제동 점이 아니라 시간이 지남에 따라 전반적인 추세가 있는지 여부를 평가할 수 있습니다. 따라서 연도 및 더미 변수를 모두 사용하면 정확히 허용됩니다. 이 방법으로 각 기간의 기울기에 대한 추정치와 연속성에 대한 더미를 얻습니다.
첨부 된 출력에서와 같이 "변경"의 값 순서를 반대로하여 사후 기간의 기울기를 직접 추정 할 수 있습니다. 나도 같은 의미가 없습니다. 데이터를 분할하면 중요하지 않은 기울기로 전체적으로 중요한 모델을 얻습니다. 어느 쪽이 나에게 신발이 튼튼하지 않은 경향이 있습니까?-맞습니까?
모든 대체 모델에서 논리 경로가 각 기간에 추세가 있고 제동 점이 있는지 여부를 결정하는 것이 좋습니다 (트랜드의 변화).
Re : 로지스틱 회귀 분석에서 매개 변수화 선택 및 모델 비교낮은 p- 값을 찾는 데 너무 집중하고 있다고 생각합니다. 데이터는 당신이 찾고있는 것을 보여줍니다. 연도는 2005 년 이전에는 분명한 효과가 없지만 그 이후에는 큰 영향을 미쳤습니다. 이는 사전 및 사후 기간에 연도의 함수로 대상을 지정하는 두 개의 로지스틱 회귀 분석을 통해 쉽게 확인할 수 있습니다. 더 필요한 게 뭐야?
Re : 로지스틱 회귀 분석에서 매개 변수화 선택 및 모델 비교이 답변이 처음 세 개를 따르기를 바랍니다.
문제는 '변경점 분석'과 같으며 접근 방식은이 기술에서 사용 된 것과 매우 유사합니다. 기간 1과 기간 2의 슬라이딩 정의가 있으며 최소 AICc와 같은 메트릭을 사용하여 동작 (예 : 평균, 기울기 등)이 변경된 지점을 결정합니다. 즉, 변경점이 변하면 모델을 다시 맞추고 메트릭을 캡처 한 다음 메트릭과 변경점을 플로팅합니다.
Re : 로지스틱 회귀 분석에서 매개 변수화 선택 및 모델 비교dale
귀하의 답변에 감사드립니다. 모델에 Year 및 Change 변수를 도입하는 또 다른 방법이 있기를 바랐습니다. 이것은 두 개의 독립 변수가 완전히 다른 차원 (예 : 연령 및 성별)을 나타내는 고전적인 ANCOVA가 아니기 때문입니다.
mark
리드 주셔서 감사하지만 내 데이터가 적절한 지 확실하지 않습니다. 플랫폼 및 가변 역할 측면에서 어떻게 진행해야하는지 알려주시겠습니까?
내 데이터가 적절한 지 확신하지 못했습니다. 이것은 정치학의 실제 데이터입니다 (숫자는 실제적이고 변수 이름이 변경됨). 따라서 관측은 정확하게 순차적이 아니며 정확한 날짜가 있지만 연내 의미가 없습니다. 또한 데이터에서 가장 적합한 스플릿을 찾고 있는지 확실하지 않습니다. 기술적 변화는“시작”하는 데 시간이 걸렸지 만 지연을 추정하는 데는 관심이 없습니다 (프로세스 모니터링에서 매우 중요 함). 다른 변수를 제어하면서 두 기간 (사전 및 사후)을 비교하는 기간 전체의 목표 확률을 추정하는 방법이 필요합니다.
나는 Year 변수를 사용하여 추세를 대략적으로 추정하고 변수에 변화가 있는지 테스트하거나 그것이 사전과 사후 사이의 하락이라는 통찰력을 얻을 수 있기를 바랐습니다.
이 토론은 모델링과 컨텍스트의 전체 사고 과정을 진행하는 데 도움이됩니다. 고마워요!
Re : 로지스틱 회귀 분석에서 매개 변수화 선택 및 모델 비교로지스틱 회귀 플랫폼을 사용합니다. 사용하다 데이트 년이 아니라 에 대한 이진 변수 만들기 기간 ( 전에 , 후 ). 선형 예측 변수가있는 모형을 적합 데이트 , 기간 , 기간 * 날짜 . 날짜를 기준으로 기간 값을 변경하십시오. 관측치가 날짜별로 오름차순으로 정렬되어 있다고 가정합니다. 모든 행을 기간 = 후 . 첫 번째 적합. 이제 두 번째 날짜로 기간을 진행하십시오. 기간 = 전에 행 1의 경우 나머지는 기간 = 후 . 까지 진행 기간 = 전에 모든 행에 .. 각 적합에 대한 AICc 기준을 수집하십시오. 기준과 날짜를 플로팅하여 변경이 발생한 위치를 확인합니다. 평소대로 모델을 평가하십시오.
모든 행의 기간이 동일한 레벨 인 경계 문제를 피할 수 있습니다.
이 방법이 도움이 될지 확실하지 않습니다. 그냥 생각이야
