Gewichtungsvariablen in RegressionsmodellenIch habe mich gefragt, wie man Variablen in einem Regressionsmodell gewichtet. Ich habe einige Variablen, die möglicherweise mehr zu meinem Modell beitragen, und ich möchte eine Möglichkeit finden, dass JMP diese Variablen stärker bewertet als andere Variablen. Ich weiß, dass ich sie zunächst in ein schrittweises Regressionsmodell eingeben kann. Ich möchte das tun, aber ich möchte auch einige Variablen stärker gewichten als andere.
Erweiterte statistische ModellierungVerbraucher- und MarktforschungBetreff: Gewichtung von Variablen in RegressionsmodellenInteressante Studie. Zusätzlich zu @Mark_Bailey Punkte, ich habe einige Fragen an Sie:
Anscheinend versuchen Sie anhand des Gehirnvolumens vorherzusagen, in welche Kategorie die Person fallen wird (normal oder SHT).
- Gibt es eine Möglichkeit, die Kategorien kontinuierlicher oder zumindest ordinaler zu gestalten?
- Was meinst du mit „Gruppenmitgliedschaft“? Welche Metriken werden für diese Kategorisierung verwendet oder handelt es sich um eine subjektive Beurteilung? Haben Sie erneut über Messsystemfehler nachgedacht?
- Wie messen Sie das Gehirnvolumen und haben Sie die Fehler des Messsystems berücksichtigt?
- Was sind Anomalien des Gehirnvolumens? Mit welchen Messungen wurden diese ermittelt? Gibt es andere Messgrößen, die anstelle des Gehirnvolumens verwendet werden könnten (z. B. Dichte, Abmessungen, Gewicht, EEG)?
- Was sind die „Gehirnvolumenvariablen“?
- Was leisten die Vorhersagemodelle bereits? Was sind das für Modelle?
Wie bereits vorgeschlagen, verfügt das Modell über Parameter, die jeder Variablen zugeordnet sind. Diese Parameter sind hinsichtlich ihrer Auswirkung auf die Antwortvariablen bereits „gewichtet“.
Betreff: Gewichtung von Variablen in RegressionsmodellenDarüber hinaus gibt es viele andere Arten von Vorhersagemodellen. Zwei Methoden, die ich vorschlage, sind rekursive Partitionierung und neuronale Netze. Ersteres ist besonders gut für die Interpretation und Letzteres besonders gut für die Genauigkeit.
In JMP Pro stehen weitere Funktionen zur Verfügung, die die Leistung der Vorhersage erheblich steigern können. Bitte sehen Hilfe > JMP-Dokumentationsbibliothek > Vorhersagemodellierung Führung.
Betreff: Gewichtung von Variablen in RegressionsmodellenSie verwenden die „lineare Regression“, um die Reaktion zu modellieren und das Ergebnis vorherzusagen. Der lineare Prädiktor ist eine lineare Kombination. Die Parameter bzw. Koeffizienten sind in der Summe bzw. Akkumulation bereits Gewichte. Sie basieren auf den empirischen Belegen der Daten (Beobachtungen). Möglicherweise möchten Sie die Prädiktorvariablen zentrieren und skalieren, wenn sie in sehr unterschiedlichen Maßstäben (z. B. Größenordnung) auftreten.
Die Tatsache, dass Sie mehr als einen Prädiktor haben, der sich im Einklang mit dem Patientenergebnis ändert, bedeutet, dass Sie ein Kollinearitätsproblem haben, das die Varianz der Parameterschätzungen erhöht. Die Schätzungen sind instabil und können bereits bei einer kleinen Änderung der Daten (z. B. einer Beobachtung oder neuen Daten) dramatisch variieren. Das Zentrieren und Skalieren der Prädiktoren hilft zwar, beseitigt das Problem jedoch möglicherweise nicht. Um dieses Problem zu vermeiden, können Sie einen dominanten Prädiktor verwenden. Wenn die Informationen in diesen Prädiktoren nicht vollständig redundant sind, können Sie die Verwendung der Hauptkomponentenanalyse in Betracht ziehen, um neue und unabhängige Prädiktoren zu synthetisieren, was auch die Interpretation verbessern könnte. Dies hängt von der Belastung der ursprünglichen Variablen auf den neuen Prädiktoren ab.
Betreff: Gewichtung von Variablen in RegressionsmodellenWir haben Gehirnvolumenmessungen bei 80 normalen Kontrollpersonen und 54 Patienten mit traumatischer Hirnverletzung (TBI).Wir versuchen, ein Modell zu erstellen, das die Gruppenzugehörigkeit (normal vs. TBI) basierend auf Hirnvolumenmessungen vorhersagt.
In unserer früheren Forschung haben wir herausgefunden, dass unsere Gruppe von TBI-Patienten mehrere Anomalien des Gehirnvolumens aufwies.Deshalb wollten wir die Effektgrößen aus dieser Studie verwenden, um die Gehirnvolumenvariablen für unser Vorhersagemodell zu gewichten und die Variablen proportional zu ihren Effektgrößen zu gewichten.
Gibt es eine Möglichkeit, das zu tun?Glauben Sie, dass dies über das hinausgehen würde, was die Vorhersagemodelle bereits leisten?
Betreff: Gewichtung von Variablen in RegressionsmodellenDie Gewichtung bezieht sich bei der Regression normalerweise auf Beobachtungen und nicht auf Variablen. Die Generalized-Regression-Plattform in JMP Pro bietet mehrere bestrafte Regressionstechniken (Strafe ist wie eine inverse Gewichtung), mit denen die Parameterschätzung für jeden Effekt verkleinert wird. Das Gewicht basiert jedoch auf den Daten. Es wird nicht als weitere Variable oder Benutzereingabe bereitgestellt.
Auf welcher Grundlage bestimmen Sie das Gewicht einer Variablen? Wie haben Sie festgestellt, dass einige Variablen mehr Gewicht haben und wie viel mehr Gewicht? Welche Form oder Art hat das Gewicht einer Variablen?
