Berechnung des Beitrags zur Varianz in einem GLMHallo,
Wenn ich ein einfaches GLM mit beispielsweise 4 Begriffen verwende, möchte ich den prozentualen Beitrag jedes Begriffs zum Modell wissen. Hier ist ein Beispiel:
Ich habe ein einfaches Modell konstruiert, das Fluss, Alter der Fische, Geschlecht der Fische und Zustandsfaktor K als unabhängige Variablen enthält. Ich würde gerne wissen, welchen Beitrag jeder dieser Begriffe zur Gesamtvarianz im Modell leistet. Ich habe gelesen, dass eine grundlegende Methode darin besteht, die Summe der Quadrate für jeden Term durch die gesamte modellweite Summe der Quadrate zu dividieren und mit 100 zu multiplizieren. Ist das korrekt? Ich habe folgendes:
und
Die obige Fehlerquelle ist die verbleibende Quadratsumme, richtig? Ich würde also jede dieser Quadratsummen einschließlich des Fehlers durch 964645712 teilen, was die Gesamtsumme der Quadrate (Modell plus Fehler) ist. Wenn ich das mache, summieren sich die Prozentsätze jedoch nur zu 84% und nicht zu 100%.
Bin ich auf dem richtigen Weg oder gibt es eine bessere Methode? Letztendlich möchte ich wissen, welcher Begriff den größten Einfluss auf Änderungen an meiner abhängigen Variablen hat.
Vielen Dank!
AnalytikAndereBetreff: Berechnung des Beitrags zur Varianz in einem GLMStandardmäßig verwendet JMP Quadratsummen vom Typ III, die nicht additiv sind. Die Quadratsumme vom Typ III quantifiziert das Ausmaß der Variabilität, das der Begriff erklärt, sobald alle anderen Begriffe berücksichtigt wurden. Es scheint, dass Sie die Summe der Quadrate vom Typ I haben möchten, die additiv sind.
Um diese anzuzeigen, klicken Sie auf das rote Dreieck neben dem Titel des Antwortmenüs. Wählen Sie "Schätzungen"> "Sequentielle Tests". Bitte beachten Sie, dass die sequentiellen Tests jetzt auftragsabhängig sind. Dies bedeutet, dass das Modell von Fluss, Alter, Geschlecht und K andere Quadratsummen liefert als die Ergebnisse, bei denen das Modell als K, Geschlecht, Alter und Fluss angegeben ist (als ein mögliches Beispiel). Aus diesem Grund sind sie nicht die Standardeinstellung für JMP.
Ich denke, Sie möchten herausfinden, welche Begriffe im Modell am wichtigsten sind, und diese Wichtigkeit ordnen. Die Bedeutung kann jedoch auf verschiedene Arten betrachtet werden. Erstens könnte sein, welche Begriffe am wichtigsten sind. Zu diesem Zweck sollten Sie die Effektzusammenfassung berücksichtigen, die ein Balkendiagramm enthält, um zu veranschaulichen, wie wichtig jeder Begriff für das Modell ist. Der zweite Ansatz zur Wichtigkeit wäre zu überlegen, welche Begriffe die Reaktion am meisten beeinflussen. Sie können dies visuell mit dem Vorhersageprofiler ermitteln. Beachten Sie, dass es für jeden dieser Ansätze andere mögliche Werkzeuge gibt und wahrscheinlich sogar andere Möglichkeiten, die Wichtigkeit zu berücksichtigen.
