Tukey Multiple Comparison의 요인 수준간에 통계적으로 유의 한 차이가 있지만 효과 검정에서 통계적으로 유의하지 않은 요인안녕하세요,
일반화 회귀 모델을 사용하여 데이터에서 이항을 응답 분포로 사용하여 분석을 수행하고 있습니다 (내 응답 값-ErrorAT-이 0 또는 1이기 때문에). 나는 Lasso를 추정 방법으로 사용하고 있습니다.
일부 요인 간의 큰 상관 관계로 인해 일반화 회귀를 사용하기로 선택했습니다.
이 모델과 관련된 간단한 질문이 있습니다. 주요 요소 중 하나 (seedAT)가 모델에서 제거되었습니다. 그러나 요인에 대해 Tukey 다중 비교 테스트를 사용했을 때 요인의 세 가지 수준 (seedAT)이 모두 통계적으로 유의미하게 다릅니다. 통계적으로 유의미한 차이가 있다면 그 요인도 중요하지 않습니까?
누군가 요인의 수준이 통계적으로 유의하게 다르지만 요인이 여전히 모형에 유의하지 않은 이유를 밝힐 수 있습니까?
감사합니다!
해석학암사슴Re : Tukey Multiple Comparison의 요인 수준간에 통계적으로 유의 한 차이가 있지만 효과 검정에서 통계적으로 유의하지 않은 요인통계적 중요성은 조건문입니다. 비교되는 항목, 모델에있는 항목 및 그렇지 않은 항목, 오류 항을 구성하는 항목, 추론 공간에있는 항목에 따라 다릅니다.
Re : Tukey Multiple Comparison의 요인 수준간에 통계적으로 유의 한 차이가 있지만 효과 검정에서 통계적으로 유의하지 않은 요인맞습니다.하지만 여기서 비교는 동일합니다. 따라서 모형에서 요인의 수준이 크게 다른 경우 요인 자체가 모형에 대해 중요하지 않아야합니까?Re : Tukey Multiple Comparison의 요인 수준간에 통계적으로 유의 한 차이가 있지만 효과 검정에서 통계적으로 유의하지 않은 요인모델을 이해하지 못합니다.seedAT는 중요한 교차 효과에 있기 때문에 중요성을 나타내지 않는 것은 직접적인 효과 일뿐입니다.이것은 특이한 것처럼 보이지만 변수의 중요성은 다른 변수와의 상호 작용에 있음을 시사합니다. 일단 설명되면 seedAT의 효과가 통합되었습니다. 모델에서 seedAT가 제거 된 것처럼 보입니다. 이는 중요하지 않지만 모델이 중복된다는 표시입니다.
Re : Tukey Multiple Comparison의 요인 수준간에 통계적으로 유의 한 차이가 있지만 효과 검정에서 통계적으로 유의하지 않은 요인데이터 세트와 데이터 획득 방법을 이해하는 것은 매우 도움이되지만 공개 포럼에 게시하는 것을 원하지 않을 수도 있음을 이해합니다. 이것은 당신이 정확히 무엇을했는지 또는 무엇을하려고하는지 아는 것을 어렵게 만듭니다. 나는 비교가 동일하다는 것에 반드시 동의하지는 않습니다. 하나의 비교는 요인 (seedAT)과 모델의 다른 요인, 상호 작용 및 오류입니다. seedAT 레벨의 레벨 차이를 볼 때 레벨 내에서 레벨 사이를 비교하는 것입니다. 이 비교에는 요인이 없으며 비교 기준은 수준 내 변동입니다 (모델의 할당되지 않은 DF, 오류가 아님).
모델에 대해 잘 모르겠지만 1 차 효과를 제거하고 2 차 효과를 유지 한 것 같습니다. 이것은 모델 구축시 계층의 원칙을 따르지 않습니까? 데일의 지적에 다소.
한 가지 추가 의견 : 실제적인 측면에서 차이점이 무엇인지 전혀 모릅니다. 잊지 마세요. 실질적인 중요성은 항상 통계적 유의성보다 더 중요합니다.
