314633_de-DE

liliconcom

Multiple Regression

Hallo,

Ich habe ein Szenario, in dem meine Antwort eine kontinuierliche Variable ist und die Prädiktoren gemischt sind (kontinuierlich und kategorisch mit mehr als zwei Ebenen).

In der Antwort sehe ich einen Trend und mein Ziel ist es, zu untersuchen, welcher Prädiktor damit einen Trend aufweist. (Mit anderen Worten: Welcher Prädiktor trägt hauptsächlich mehr zum Antworttrend bei, weil der Trend ein schlechtes Zeichen für einen bestimmten Prozess ist).

Ich probiere verschiedene Wege aus, indem ich die multiple Regression verwende, habe aber einige Bedenken:

Wäre es besser, für jeden Variablentyp eine unterschiedliche Regression durchzuführen (einmal nur numerisch und das nächste Mal nur kategorisch), um den verursachenden Trendprädiktor zu ermitteln?

Wenn ich das Modell mit allen Variablen durchführe, erhalte ich für einige Schätzungen eine gewisse NA, und das ist ein Zeichen der Korrelation. An diesem Punkt bin ich mir nicht sicher, wie ich entscheiden soll, welche Variable ich entfernen muss, um Multikollinearität zu vermeiden.

Ich hoffe auf einige Ideen.

Danke.

Verbraucher- und MarktforschungBetreff: Multiple RegressionIch habe keine vollständigen Informationen, aber es scheint, dass es sich eher um ein Experiment handelt.
Ich schätze Ihre Hilfe sehr.Betreff: Multiple RegressionDanke schön.
Es ergibt Sinn.Betreff: Multiple Regression

Meine Gedanken. Was Pete vorschlägt, ist, die Beziehungen grafisch (und nicht quantitativ) zu suchen. Das ist eine ausgezeichnete Idee und der Graph Builder ist Ihr Freund. Mark schlägt einen eher quantitativen Ansatz vor. Er schlägt einen additiven Ansatz zum Aufbau des Modells vor.

Was keiner von uns weiß, ist, wie Sie an Ihre Daten gekommen sind? Handelt es sich um einen Beobachtungsdatensatz, eine gezielte Probenahme oder ein Experiment? Wenn es sich um einen Beobachtungsdatensatz handelt, ist Korrelation das Beste, was Sie unabhängig vom Analysetool erhalten können. Es gibt viele Methoden, die Daten anzuzeigen. Sie könnten versuchen, „Analysieren“ > „Multivariate Methoden“ > „Multivariate“ die Y-Werte und Prädiktoren einzugeben, um Streudiagramme zu erhalten. Wenn Sie eine Regressionsmodellierung durchführen, empfehle ich Ihnen, mit Hypothesen zu beginnen. Welche Faktoren wären sinnvoll, um den Trend der Reaktion zu beeinflussen? Erstellen Sie zunächst ein Modell mit diesen Faktoren. Und schauen Sie sich immer die VIFs in der Parameterschätzungstabelle an.  

Betreff: Multiple RegressionMein Vorschlag bietet Hinweise darauf, welche Variablen korrelieren. Beachten Sie, dass Korrelation keine Kausalität ist, insbesondere bei Zufallsdaten, über die Sie vermutlich verfügen. Suchen Sie einfach nach Änderungen in den x-Werten, die zeitlich mit Änderungen in der Antwort übereinstimmen (beachten Sie, dass es zu Verzögerungen kommen kann).
Betreff: Multiple Regression

Diese Nachricht weist auf eine Singularität hin. Das bedeutet, dass die Kollinearität perfekt ist oder die Korrelation der Schätzungen -1 oder +1 beträgt. Ihr Modell ist überspezifiziert. Aus diesem Grund habe ich vorgeschlagen, die schrittweise oder rekursive Vorwärtspartition zu verwenden.

Betreff: Multiple RegressionHallo,
Ich versuche, diese Methode zu verwenden, aber sie funktioniert nicht, da sie fehlerbedingte Multikollinearität bietet.
Warnmeldung:
In leaps.setup(x, y, wt = wt, nbest = nbest, nvmax = nvmax, force.in = force.in, :
2 lineare Abhängigkeiten gefunden
Vielen Dank für Ihre Hilfe.Betreff: Multiple Regression

Es hört sich so an, als ob Sie bei dem vorliegenden Datensatz Kollinearität und Singularität vermuten. Sie könnten es schrittweise in Vorwärtsrichtung versuchen, beginnend mit dem vollständigen linearen Prädiktor.

 

Sie können Partition auch mit umfangreicher Überanpassung verwenden und dann die Spaltenbeiträge untersuchen. Die größten Mitwirkenden dürften echt sein.

Betreff: Multiple RegressionEigentlich interessiere ich mich mehr für die Variable, die den Trend verursacht, als für den Zeitpunkt, an dem er passiert ist.
Danke.Betreff: Multiple Regression

Wenn Sie „Trend“ sagen, meine ich vermutlich eine zeitbasierte systematische Änderung der Reaktion. Für die kontinuierlichen Prädiktorvariablen schlage ich ein einfaches Überlagerungsdiagramm im Graph Builder vor, das die zeitliche Abfolge der Erfassung der Antworten nutzt (vielleicht mit einem lokalen Datenfilter, um bestimmte x effizient hervorzuheben). Gibt es für die kategorialen Variablen noch ein lauerndes Zeitelement? Sagen wir, wie Batch 1, 2, 3, 4 usw., wobei jeder nachfolgende Batch in einer zeitlichen Abfolge begrenzt ist? Wenn Sie eine zeitliche Reihenfolge für die kategorialen Variablen haben, verwenden Sie die Spalteneigenschaft „Wertreihenfolge“, damit sie in Graph Builder in der richtigen zeitlichen Reihenfolge angezeigt werden. Wenn Sie wirklich nur daran interessiert sind, diesen zeitbasierten Trend zu erkennen, sollten Sie ihn in Graph Builder „sehen“ können und nicht einmal zu einer Modellierung gehen müssen.