Hola,
Utilizo el modelo de regresión generalizada para analizar mis datos, con distribución de respuesta binomial (ya que mis valores de respuesta, ErrorAT, son 0 o 1). Utilizo Lasso como método de estimación.
Opté por utilizar regresión generalizada debido a la gran correlación entre algunos factores.
Tengo una pregunta rápida relacionada con este modelo: uno de los factores principales (seedAT) se eliminó del modelo. Sin embargo, al aplicar la prueba de comparación múltiple de Tukey al factor, los tres niveles del factor (seedAT) presentan diferencias estadísticamente significativas entre sí. Si presentan diferencias estadísticamente significativas entre sí, ¿no debería ser significativo también el factor?
¿Podría alguien arrojar algo de luz sobre por qué los niveles del factor son estadísticamente significativamente diferentes pero el factor todavía no es significativo para el modelo?
¡Gracias!
@dale_lehman y @statman Gracias por las respuestas
Con respecto al conjunto de datos, estos datos los obtuve ejecutando múltiples experimentos de simulación (1620).
En cada experimento, consideré los siguientes factores: tiempo de llegada (IA_scenario), semilla de tiempo de llegada (seedAT), tiempo de servicio (ST_scenario), semilla de tiempo de servicio (ST), número de replicaciones (NRepsNom) y modelo de cola (M /M/1 o M/M/inf basado en la notación de Kendall de la teoría de colas). Los factores se variaron según factorial completo.Debido a que varí el tiempo de llegada y el tiempo de servicio y este es un modelo de colas, en consecuencia, la intensidad de tráfico del modelo también varió (TINom).
En este modelo de simulación, recolecté las siguientes 4 respuestas: promedio del tiempo de llegada (AT), promedio del tiempo de servicio (ST), promedio del número de unidades en el sistema (NIS) y promedio del tiempo en el sistema (TIS). Con base en este resultado de simulación y el resultado teórico de la teoría de colas, calculé el error de AT, por ejemplo.
AT es el caso más simple (es la llegada la que dicta el sistema de colas y no depende de ST). Por lo tanto, cuando construí el modelo de regresión, no incluí los factores relacionados con el tiempo de servicio en el modelo de regresión. Incluí todos los demás factores.
Creo que esta es la forma más sencilla en que puedo describir el conjunto de datos.
Ahora volviendo a la discusión.
- En cuanto a la comparación. En las pruebas de efecto, el factor (SeedAT) no se compara con otros factores, ¿verdad? Hasta donde yo sé, estamos probando la importancia del factor para el modelo y eso es todo. Entonces, en la prueba de efecto, se trata de si SeedAT es estadísticamente significativo o no para el modelo.La comparación del factor con otros factores y las interacciones se realizan en la prueba de comparación múltiple.
Y si esto es correcto, entiendo que si los tres niveles del factor son significativamente diferentes desde el punto de vista estadístico, no habría duda de que el factor es estadísticamente significativo. Pero creo que mi comprensión estaba completamente equivocada. Si alguien pudiera indicarme algún enlace o material para leer al respecto, se lo agradecería mucho. Como los que he encontrado no aclararon mi pregunta y comprensión hasta ahora.
- Respecto al efecto de 1er orden vs efecto de 2do orden. No eliminé el efecto de primer orden, pero el modelo generalizado me dice que "no es significativo", mientras que los efectos de segundo orden sí lo son. Lo cual está relacionado con mi pregunta. Porque como ambos señalaron, esto no sigue el principio de jerarquía.
Pero, ¿cómo puedo decirle a JMP que incluya a la fuerza el efecto de primer orden SeedAT en el modelo? Porque cuando genero la ecuación de regresión, el efecto no se incluirá en la ecuación.
El significado práctico es un buen recordatorio. ¡Gracias por eso!
Gracias de nuevo por la discusión y las ideas.
Sería extremadamente útil comprender el conjunto de datos y cómo adquirió los datos, pero entiendo que es posible que no quiera que esto se publique en un foro público. Esto hace que sea un desafío saber exactamente qué hizo o está tratando de hacer. No estoy necesariamente de acuerdo contigo en que las comparaciones son las mismas. Una comparación es el factor (seedAT) con los otros factores, interacciones y error en el modelo. Cuando observa las diferencias de nivel en los niveles de seedAT, está comparando dentro del nivel con el nivel entre niveles. No hay factores en esta comparación y la base para la comparación es la variación dentro del nivel (no los DF no asignados del modelo, error).
No estoy seguro acerca de su modelo, pero parece que eliminó el efecto de primer orden y mantuvo los efectos de segundo orden. ¿Esto no sigue el principio de jerarquía cuando se construye el modelo? Un poco al punto de Dale.
Un comentario adicional: no tengo idea de cuáles son las diferencias en términos prácticos. No olvide que la significación práctica siempre es más importante que la estadística.
No entiendo tu modelo.Dado que seedAT se encuentra en algunos efectos cruzados que son significativos, es solo el efecto directo el que no muestra importancia.Si bien esto parece inusual, me sugiere que la importancia de la variable radica en su interacción con otras variables: una vez que se tienen en cuenta, se han incorporado los efectos de seedAT. Parece que seedAT se eliminó del modelo; eso no es insignificante, sino una indicación de que el modelo es redundante (creo, tengo poca experiencia con la regresión generalizada, por lo que podría estar equivocado).
La significación estadística es una declaración condicional. Depende de lo que se compara, lo que está en el modelo y lo que no, lo que constituye los términos de error, lo que está en el espacio de inferencia.
