层次回归如何在分层回归中指定变量块
谢谢
分析回复：分层回归问题是如何抓取很多列？
可能您想使用列过滤器菜单：
在平台中启动 Windows (jmp.com)
回复：分层回归如果您参考分层线性回归，那么我认为这不是 JMP 中的一个单独平台。这可能是因为有相当简单的替代方案（至少基于我对分层线性回归的理解）：
- 在标准 leas squares 报告中添加/删除条款，
- 逐步回归，并且，
- 集成建模。
请注意，对于集成建模，您可以将其扩展到线性回归之外，您可以决定是否在线性回归之后包含分区。
添加/删除条款
最小二乘报告的效果摘要部分具有添加/删除术语的选项，您可以按照逐步部分中的说明比较摘要统计信息。
逐步
您可以按任何顺序单独添加变量，而不是在块中添加变量，并在添加每个块后停止。使用拟合模型将每个组中的所有可能项添加为模型效果。 例如，如果您想根据身高和体重来预测大类数据集中的年龄，然后决定是否应该添加身高*体重项，您可以在模型启动对话框中添加所有三个项。然后在你的第一个块中输入条款，记录模型拟合参数，然后添加第二个块并进行比较。您可以使用逐步回归控制部分中的设置自动获得您自己选择的模型。
在拟合模型启动中添加所有模型效果并逐步选择：
添加第一个块的变量（我忽略了权重的 P 值）：
现在添加第二个区块并注意 R 方是如何略微上升的，但 AIC 和 BIC 也是如此，这可能表明您不想包含第二个区块。
集成建模
在拟合模型中，使用第一个块构建模型并保存残差。 然后尝试使用后续模型预测残差。
使用第一个块构建模型：这里我将年龄转换为连续的以使示例更简单。
保存预测和残差：
现在再次启动拟合模型并使用第二个块预测第一个模型的残差，记住这些都不需要是线性模型。 您可能会收到一条消息，指出您缺少效果，因为 JMP（正确地）不希望在没有每个单独项的情况下从交叉项构建模型。在此示例中，它们已包含在上一步中，但您可以再次添加。
现在您可以使用此模型中的结果来决定是否在最终模型中包含第二个块。 在这种情况下，这两项的 p 值都非常高，表明您不应包含块 2。
要使用这两个模型获得预测，只需添加每个模型的预测：
回复：分层回归分层回归的想法似乎对不同的人有不同的含义。 这是我正在寻找的：
分层回归是一种显示您感兴趣的变量在考虑所有其他变量后是否解释了因变量 (DV) 中统计上显着的方差的一种方式。 这是模型比较的框架，而不是统计方法. 在此框架中，您通过在每一步向先前模型添加变量来构建多个回归模型；后面的模型总是在前面的步骤中包含较小的模型。 在许多情况下，我们的兴趣是确定新添加的变量是否显示出显着的改善R 2 （模型解释的 DV 方差的比例）。
这个想法是考虑可能混淆或隐藏感兴趣变量的影响的来源的差异。 例如，电视效果。 模型可能想知道观看卡通暴力是否“引起”了攻击性活动，但还有其他因素，因此分层模型可能包括一个一个输入的变量块。由于块 R sq 考虑了所有虚假方差，最后一项是感兴趣的变量。 该模型可能如下所示：
攻击性行为测量=（年龄、性别）+（教育、收入）+（电视暴力曝光）
您查看每个块的 R 平方。（您忽略每个区块内的活动。）如果电视暴力仍然存在有趣的 Rsq，您声称即使在考虑其他变量之后它也很重要。这样你就可以提出一个非常有力的主张。
这在 SPSS 中很容易做到，我有点失望的是 JMP 没有提供类似的方法来顺序创建变量块。
除非 JMP 用 Stepwise 解决了一些问题，UGH。回到研究生院，我们被教导逐步是“一无所知”回归，因为输入的顺序变量与程序的算法有关，而不是理论。这很容易通过将变量放入和退出逐步模型并观察系数变得疯狂来显示。 JMP 文档逐步建议运行一个复杂模型，然后根据“重要性”不删除变量
我会看看你在帖子末尾给我的例子，但我不确定这就是我要找的
谢谢您的帮助
回复：分层回归你的解释比你原来的帖子好多了，谢谢。 层次结构（或嵌套）是一个特定术语，用于指定变异成分或因素之间的特定关系。 等级制度意味着必须考虑到一个合理的秩序。 例如批次间和批次内。 批次内必须嵌套在批次内......您不能从批次内样本中获得多个批次。
以下是我的想法：
关于 ”层次回归是一种显示您感兴趣的变量在考虑所有其他变量后是否解释了因变量 (DV) 中具有统计意义的差异的一种方式。”
1. 统计显着性是一个条件陈述。 它取决于推理空间以及正在比较的组件。 这完全取决于收集数据的方式。 我不确定您所说的“在考虑所有其他变量之后”是什么意思？ 在考虑了模型中的所有其他项之后，使用 III 型 SS 的分析将评估模型中的每个项，但我认为这不是您的意思……
2. 解释软件所做的分析总是需要上下文。 上下文必须由主题“专家”提供。
3. 设计一个由假设驱动并随后包含代表这些假设的变异来源的数据收集计划是您要做的事情……而不是软件。 您如何选择对这些来源进行子集化以及要进行哪些比较是您的决定。 这些来源是嵌套的、系统的还是交叉的，取决于您如何收集数据。
4. Rsq 只是用于开发模型的指标之一。 我不会将模型构建限制为那个值，我会使用 Rsq 调整为默认值。 考虑 Rsq 和 Rsq 之间的增量调整（用于过度指定模型）、RMSE、p 值、残差和残差图等。人。
5."在此框架中，您通过在每一步向先前模型添加变量来构建多个回归模型；以后的模型总是在前面的步骤中包含较小的模型。” 这本质上是逐步回归。 您可以选择要开始使用的组件以及要添加的组件，或者您可以让软件根据你设定的标准。
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
您也可以使用分区平台来执行类似的功能。
https://www.jmp.com/support/help/en/16.2/?os=mac&source=application&utm_source=helpmenu&utm_medium=application#page/jmp/partition-models.shtml
JMP 中的另一个选项是比较模型：
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."在 SPSS 中很容易做到，但我有点失望 JMP 没有提供类似的方法来顺序创建变量块。” 我不使用 SPSS，但如果你能告诉我们你的意思，我们也许可以指导你。 你是什么意思软件顺序创建块？ 你输入假设进入 SPSS 并正确地为您创建块？ 我想看看。
7.攻击性行为测量=（年龄、性别）+（教育、收入）+（电视暴力曝光）。 还有更多变量您没有包含或与您的模型混淆。 人口统计、家庭单位、个人创伤、成长经历、接触真实暴力。 你如何衡量攻击性行为？您的测量系统是否一致？ 您的测量系统是否对结果产生偏差？
