Calcolo del contributo alla varianza in un GLMCiao,
Quando eseguo un semplice GLM con diciamo 4 termini, vorrei sapere il contributo percentuale di ciascun termine al modello. Ecco un esempio:
Ho costruito un modello semplice che include fiume, età dei pesci, sesso dei pesci e fattore di condizione K come variabili indipendenti. Vorrei sapere quale sia il contributo di ciascuno di questi termini alla varianza complessiva del modello. Ho letto che 1 metodo di base è quello di dividere la somma dei quadrati per ogni termine per la somma totale dei quadrati del modello e moltiplicare per 100. È corretto? Ho il seguente:
e
La fonte di errore sopra è la somma residua di quadrati, giusto? Quindi dividerei ciascuna di queste somme di quadrati, incluso l'errore, per 964645712, che è la somma totale dei quadrati (modello più errore). Tuttavia, quando lo faccio, le percentuali ammontano solo all'84% e non al 100%.
Quindi, sono sulla strada giusta o c'è un metodo migliore? In definitiva, vorrei sapere quale termine influenza maggiormente le modifiche alla mia variabile dipendente.
Grazie!
analiticaAltroRi: Calcolo del contributo alla varianza in un GLMPer impostazione predefinita, JMP utilizza le Somma dei quadrati di tipo III, che non sono additivi. La somma dei quadrati di tipo III quantifica la quantità di variabilità che il termine spiega una volta che tutti gli altri termini sono stati considerati. Sembra che ti piacerebbe avere la somma dei quadrati di tipo I, che sono additivi.
Per vederli, fai clic sul triangolo rosso accanto al titolo del menu Risposta. scegli Stime> Test sequenziali. Si noti che i test sequenziali ora dipendono dall'ordine. Ciò significa che il modello di River, Age, Sex e K ti darà diverse somme di quadrati rispetto ai risultati in cui il modello è specificato come K, Sex, Age e River (come un possibile esempio). Questo è il motivo per cui non sono i valori predefiniti per JMP.
Penso che tu stia cercando di determinare quali termini nel modello sono più importanti e di classificare quell'importanza. Ma l'importanza potrebbe essere considerata in un paio di modi. In primo luogo, potrebbero essere i termini più significativi. Per questo, dovresti considerare il Riepilogo degli effetti che fornisce un grafico a barre per illustrare quanto ogni termine sia significativo per il modello. Il secondo approccio all'importanza sarebbe quello di considerare quali termini influenzano maggiormente la risposta. Puoi determinarlo visivamente con il profiler di previsione. Si noti che esistono altri strumenti possibili per ciascuno di questi approcci e probabilmente anche altri modi per considerare l'importanza.
