314633_es-ES

liliconcom

Regresión múltiple

Hola,

Tengo un escenario en el que mi respuesta es una variable continua y los predictores son mixtos (continuo y categórico con más de 2 niveles)

En la respuesta veo una tendencia y mi objetivo es investigar qué predictor está en tendencia con ella (otras palabras, qué predictor está contribuyendo más en la tendencia de respuesta porque la tendencia es una mala señal para un proceso dado).

Estoy intentando de diferentes formas usando la regresión múltiple, pero tengo algunas preocupaciones:

¿Sería mejor ejecutar una regresión diferente para cada tipo de variables (una vez con solo numéricas y la próxima con solo categóricas) para detectar el predictor de tendencia causante?

Cuando ejecuto el modelo con todas las variables, obtengo algo de NA para algunas estimaciones y esto es un signo de correlación. En este punto, no estoy seguro de cómo decidir qué variable debo eliminar para evitar la multicolinealidad.

Espero algunas ideas.

Gracias.

AnalíticaRe: regresión múltiple

Cuando dice "tendencia" ... supongo que se refiere a un cambio sistemático basado en el tiempo en la respuesta. Para las variables predictoras continuas, sugiero un gráfico de superposición simple en Graph Builder que aprovecha la secuencia de tiempo de recopilación de las respuestas (tal vez con un filtro de datos local para resaltar x específicas de manera eficiente). Para las variables categóricas, ¿existe todavía un elemento temporal al acecho? Digamos, como el lote 1, 2, 3, 4, etc., donde cada lote posterior está limitado en una secuencia de tiempo. Si tiene una secuencia de tiempo para las variables categóricas, use la propiedad de la columna Orden de valor para que aparezcan en la secuencia de tiempo correcta en Graph Builder. Si lo único que realmente le interesa es detectar esta tendencia basada en el tiempo ... debería poder 'verla' en Graph Builder y ni siquiera necesitar ir a ningún modelo.

Re: regresión múltipleEn realidad, me interesa más la variable que está causando la tendencia que cuando sucedió.
Gracias.Re: regresión múltiple

Parece que sospecha de colinealidad y singularidad con el conjunto de datos en la mano. Puede probar Stepwise en la dirección de avance comenzando con el predictor lineal completo.

 

También puede usar Partición con un sobreajuste extenso y luego examinar las contribuciones de la columna. Es probable que los principales contribuyentes sean reales.

Re: regresión múltipleHola,
Estoy tratando de usar este método pero no funciona porque da multicolinealidad relacionada con el error.
Mensaje de advertencia:
En leaps.setup (x, y, wt = wt, nbest = nbest, nvmax = nvmax, force.in = force.in,:
2 dependencias lineales encontradas
Gracias por tu ayuda.