regresión jerárquica¿Cómo especifico bloques de variables en una regresión jerárquica?
Gracias
AnalíticaRe: regresión jerárquicaLa pregunta es ¿cómo tomar muchas columnas?
Puede ser que desee utilizar el menú de filtro de columna:
Inicie Windows en Plataformas (jmp.com)
Re: regresión jerárquicaSi se refiere a la regresión lineal jerárquica, no creo que esta sea una plataforma separada en JMP.Eso podría deberse a que existen alternativas bastante simples (al menos según mi comprensión de la regresión lineal jerárquica):
- agregar/eliminar términos en el informe de cuadrados mínimos estándar,
- regresión por pasos y,
- modelado de conjuntos.
Tenga en cuenta que para el modelado de conjuntos puede extender esto más allá de la regresión lineal, puede decidir si incluir una partición después de una regresión lineal.
Agregar/eliminar términos
La sección de resumen de efectos del informe de mínimos cuadrados tiene opciones para agregar/eliminar términos, puede comparar sus estadísticas de resumen tal como se describe en la sección paso a paso.
paso a paso
En lugar de agregar variables en bloques, puede agregarlas individualmente en cualquier orden y simplemente detenerse después de agregar cada bloque.Al usar el modelo de ajuste, agregue todos los términos posibles en cada grupo como efectos del modelo. Por ejemplo, si desea predecir la edad en el conjunto de datos de clase grande a partir de la altura y el peso y luego decide si debe agregar el término altura*peso, debe agregar los tres términos en el cuadro de diálogo de lanzamiento del modelo.Luego ingrese los términos en su primer bloque, registre el ajuste del modelo parámetro y luego agregue su segundo bloque y compare.Es posible que pueda usar la configuración en la sección Control de regresión paso a paso para llegar automáticamente al modelo que habría elegido usted mismo.
En el lanzamiento de Ajustar modelo, agregue todos los efectos del modelo y seleccione paso a paso:
Agregue las variables del primer bloque (estoy ignorando el valor P para el peso):
Ahora agregue el segundo bloque y observe cómo el RSquare subió ligeramente, pero también lo hicieron el AIC y el BIC, lo que probablemente indica que no desea incluir el segundo bloque.
Modelado de conjuntos
En ajuste de modelo, construya un modelo utilizando el primer bloque y guarde los residuos. Luego intente predecir los residuos utilizando modelos posteriores.
Construya un modelo usando el primer bloque: aquí convertí la edad en continua para simplificar el ejemplo.
Guarde las predicciones y los residuos:
Ahora inicie el modelo de ajuste nuevamente y prediga el residual del primer modelo usando el segundo bloque, recuerde que ninguno de estos necesita ser modelos lineales. Es posible que reciba un mensaje de que le falta un efecto porque JMP (correctamente) no quiere construir un modelo a partir del término cruzado sin cada término individual.En este ejemplo ya estaban incluidos en el paso anterior pero podrías volver a añadirlo.
Ahora puede usar los resultados de este modelo para decidir si incluir el segundo bloque en su modelo final. En este caso, el valor de p para ambos términos es muy alto, lo que indica que no debe incluir el bloque 2.
Para obtener la predicción usando ambos modelos, simplemente agregue las predicciones de cada uno:
Re: regresión jerárquicaLa idea de regresión jerárquica parece tener un significado diferente para diferentes personas. Esto es lo que estoy buscando:
La regresión jerárquica es una forma de mostrar si las variables de su interés explican una cantidad estadísticamente significativa de variación en su variable dependiente (DV) después de tener en cuenta todas las demás variables. Este es un marco para la comparación de modelos en lugar de un método estadístico. . En este marco, crea varios modelos de regresión agregando variables a un modelo anterior en cada paso; los modelos posteriores siempre incluyen modelos más pequeños en los pasos anteriores. En muchos casos, nuestro interés es determinar si las variables recién agregadas muestran una mejora significativa en R 2 (la proporción de la varianza explicada en DV por el modelo).
La idea es dar cuenta de la varianza de las fuentes que podrían confundir u ocultar los efectos de la variable de interés. Por ejemplo, efectos de TV. Un modelo puede querer saber si la actividad agresiva es "causada" por ver dibujos animados violentos, pero hay otros factores, por lo que un modelo jerárquico puede incluir bloques de variables ingresados uno por uno.Con toda la varianza espuria explicada por bloques R sq, el último término es la variable de interés. El modelo podría verse así:
Medida de comportamiento agresivo = (edad, sexo) + (educación, ingresos) + (exposición a la violencia televisiva)
Miras el R cuadrado para cada bloque.(No tiene en cuenta la actividad dentro de cada bloque). Si todavía hay un Rsq interesante para la violencia televisiva, afirma que es significativo incluso después de que se toman en cuenta las otras variables.De esta manera puedes hacer un reclamo bastante fuerte.
Es fácil de hacer en SPSS, y estoy un poco decepcionado de que JMP no ofrezca una forma similar de crear secuencialmente bloques de variables.
A menos que haya algo que JMP haya resuelto con Stepwise, UGH.En la escuela de posgrado nos enseñaron que paso a paso es una regresión de "no saber nada" porque el orden en que se ingresan las variables tiene que ver con el algoritmo del programa y no con la teoría.Esto es fácil de mostrar colocando variables dentro y fuera de un modelo paso a paso y observando cómo los coeficientes se vuelven locos. El documento JMP sobre paso a paso sugiere ejecutar un modelo complejo y luego descartar variables en función de su "significado" NO
Veré el ejemplo que me diste al final de tu publicación, pero no estoy seguro de que sea lo que estoy buscando.
Gracias por la ayuda
Re: regresión jerárquicaSu explicación es mucho mejor que su publicación original, gracias. Jerarquía (o anidada) es un término específico usado para designar una relación específica entre componentes de variación o factores. La jerarquía implica que hay un orden racional que debe tenerse en cuenta. Por ejemplo, lote a lote y dentro del lote. Dentro del lote debe estar anidado dentro del lote... no puede obtener múltiples lotes de una muestra dentro del lote.
Aquí están mis pensamientos:
Con respecto a " La regresión jerárquica es una forma de mostrar si las variables de su interés explican una cantidad estadísticamente significativa de variación en su variable dependiente (DV) después de tener en cuenta todas las demás variables".
1. La significación estadística es una declaración condicional. Depende del espacio de inferencia y de qué componentes se comparan. Depende completamente de cómo se recopilaron los datos. No estoy exactamente seguro de lo que quiere decir con "después de tener en cuenta todas las demás variables". El análisis que utiliza SS de tipo III evaluará cada término de su modelo después de que se tengan en cuenta todos los demás términos de su modelo, pero no creo que eso sea lo que quiere decir...
2. El contexto siempre es necesario para interpretar el análisis realizado por el software. El contexto debe ser proporcionado por los "expertos" del tema.
3. Diseñar un plan de recopilación de datos que se base en hipótesis y, posteriormente, incluya las fuentes de variación representativas de esas hipótesis es algo que usted... no el software. La forma en que elige dividir esas fuentes y las comparaciones que desea hacer es su decisión. Si esas fuentes están anidadas, sistemáticas o cruzadas, depende de cómo recopile los datos.
4. Los Rsq son solo una de las métricas utilizadas para desarrollar modelos. No restringiría la construcción del modelo a ese valor y usaría Rsq ajustado por defecto. Considere el delta entre Rsq y Rsq ajustado (por especificar en exceso el modelo), RMSE, valores de p, residuos y gráficas de residuos, et. Alabama.
5. " En este marco, crea varios modelos de regresión agregando variables a un modelo anterior en cada paso; los modelos posteriores siempre incluyen modelos más pequeños en pasos anteriores". Esto es esencialmente una regresión por pasos. Puede elegir los componentes con los que comenzar y qué componentes agregar o puede dejar que el software evalúe esto en función de criterios que establezca.
https://www.jmp.com/support/help/en/16.2/?os=mac&source=application&utm_source=helpmenu&utm_medium=application#page/jmp/stepwise-regression-models.shtml
También puede usar plataformas de particionamiento para realizar funciones similares.
https://www.jmp.com/support/help/en/16.2/?os=mac&source=application&utm_source=helpmenu&utm_medium=application#page/jmp/partition-models.shtml
Otra opción en JMP es comparar modelos:
https://www.jmp.com/support/help/en/16.2/?os=mac&source=application&utm_source=helpmenu&utm_medium=application#page/jmp/model-comparison.shtml#186176
6. " Es fácil de hacer en SPSS, y estoy un poco decepcionado de que JMP no ofrezca una forma similar de crear secuencialmente bloques de variables". No uso SPSS, pero si pudiera mostrarnos lo que quiere decir, podríamos guiarlo. ¿Qué quiere decir con que el software crea bloques secuencialmente? Tu entras hipótesis en SPSS y crea correctamente bloques para usted? Me gustaría ver eso.
7. Medida de comportamiento agresivo = (edad, sexo) + (educación, ingresos) + (exposición a la violencia televisiva). Hay muchas más variables que no ha incluido o que se confunden con su modelo. Demografía, unidad familiar, trauma personal, crianza, exposición a la violencia real. ¿Y cómo se mide el comportamiento agresivo?¿Es consistente su sistema de medición? ¿Su sistema de medición sesga los resultados?
