Lineare Regression mit mehreren VariablenHallo an alle,
Ich arbeite an einem multivariablen linearen Regressionsmodell für Ergebnis A, das Daten aus 50 Ländern weltweit verwendet.
Ich habe Daten zu Ergebnis A in allen 50 Ländern und über 20 Jahre in jedem Land.
Insgesamt habe ich also ungefähr 1000 verschiedene Werte von A. Für die vorgeschlagenen Prädiktoren habe ich das gleiche.
Aber da jedes Land seine Besonderheiten hat, fühle ich mich nicht wohl dabei, jeden Wert separat zu behandeln.
Gibt es eine Möglichkeit, das Modell anzupassen, um zu berücksichtigen, dass jedes Land 20 Werte hat, und diese anzupassen?
AnalytikBetreff: Lineare Regression mit mehreren VariablenHallo,
Auf die Gefahr hin, dass es zu einfach ist, haben Sie schon einmal darüber nachgedacht, Ihr Modell wie folgt zu erstellen (auf der Plattform „Modell anpassen“):
J: A
Auswirkungen:
Land (nominal)
Jahr (kontinuierlich)
Land x Jahr (dh Interaktion)
Lassen Sie uns wissen, wenn Sie nach etwas Anspruchsvollerem suchen.
Am besten,
TS
Betreff: Lineare Regression mit mehreren VariablenVielen Dank für Ihre Erklärung.
Ich möchte die Situation näher erläutern, um Verwirrung zu vermeiden.
Ländervariable Ich habe 50 Einträge
Ergebnis (A) Kontinuierliche Variable, die ich habe (20 Spalten für jedes Land)
Prädiktor (B) Kontinuierliche Variable, die ich habe (20 Spalten für jedes Land)
Prädiktor (C) Kontinuierliche Variable, die ich habe (20 Spalten für jedes Land)
Prädiktor (D) Kontinuierliche Variable, die ich habe (20 Spalten für jedes Land)
Insgesamt habe ich also 1000 Einträge für das Ergebnis/die Prädiktoren
Das folgende Foto erklärt, wie meine Daten gesammelt werden. Ich habe nicht die 20 Jahre für jeden eingeschlossen.
Können Sie mir bitte erklären, wie ich mich anpassen soll, wenn man bedenkt, dass jedes Land 20 Werte hat, die einem bestimmten Wachstum folgen? Und um das zu berücksichtigen, haben wir 1000 verschiedene Werte für jede Variable.
Wie beschreiben wir dann das angepasste Modell?
Betreff: Lineare Regression mit mehreren VariablenHallo,
Zunächst empfehle ich, die Fit Model-Plattform zu erkunden, indem Sie die Beispiele ausführen, die in der JMP-Dokumentation und den Beispieldaten enthalten sind.
Zweitens, wenn ich Ihre Frage richtig verstehe, müssen Sie Ihre Spalten in Gruppen mit einer Spalte für das Ergebnis und einer Spalte für jeden Prädiktor stapeln, vorausgesetzt, dass die Prädiktoren B, C und D unabhängig sind (Tabelle > Stapel > Stapel mehrerer Serien). .
Ihr Modell wäre dann mindestens:
Y: Ergebnis A
Auswirkungen:
- Land
- Prädiktor B
- Prädiktor C
- Prädiktor D
Abhängig von der Frage, die Sie Ihrem Modell stellen, müssen Sie möglicherweise auch Wechselwirkungen zwischen Prädiktoren und Land berücksichtigen.
Am besten,
TS
Betreff: Lineare Regression mit mehreren VariablenVielen Dank für diese informative Erklärung.
Nur letzte Frage? Muss ich Anpassungen am Anpassungsmodell vornehmen, um zu zeigen, dass die 20 Ergebnisse oder Prädiktoren für die 20 Jahre in jedem Land korrelieren? bei der Analyse aller Länder zusammen
mit anderen Worten... Wenn ich nur ein Land mache, dann wird eine Spalte für jedes so ein einfaches Modell sein,
aber da ich alle Länder im Laufe der Jahre zusammenfasse, denke ich, dass ausgefeiltere Maßnahmen erforderlich sind, können Sie mir bitte einen Rat geben?
Betreff: Lineare Regression mit mehreren VariablenHabe woanders einen ähnlichen Fall gefunden.....
Bitte beraten
Ich messe den Müllausstoß verschiedener Städte in meinem Land. Ich habe 5 unabhängige Variablen als Prädiktoren, die zu 4 Zeitpunkten gemessen wurden.
Ich interessiere mich nicht für die Auswirkungen der Zeit. Ich möchte nur die Regressionskoeffizienten für jede meiner Variablen wissen. Um das herauszufinden, könnte ich 4 separate multiple Regressionen durchführen, eine für jeden Zeitpunkt. Aber das würde die Daten nicht gut zusammenfassen, da ich 4 Ergebnissätze hätte. Meine Frage ist also, gibt es eine Möglichkeit, die Daten für alle vier Zeitpunkte einzugeben und einen Satz Regressionskoeffizienten zu erhalten?
