477754_de-DE

liliconcom

Hierarchische Regression

Wie spezifiziere ich Blöcke von Variablen in einer hierarchischen Regression?

Vielen Dank

AnalytikRe: Hierarchische Regression

Die Frage ist, wie man viele Spalten greift?

Vielleicht möchten Sie das Spaltenfiltermenü verwenden:

Windows in Plattformen starten (jmp.com)

Re: Hierarchische Regression

Wenn Sie sich auf hierarchische lineare Regression beziehen, dann denke ich nicht, dass dies eine separate Plattform in JMP ist.Das könnte daran liegen, dass es ziemlich einfache Alternativen gibt (zumindest nach meinem Verständnis der hierarchischen linearen Regression):

• Hinzufügen/Entfernen von Begriffen im Standard-Leas-Square-Bericht,
• schrittweise Regression und
• Ensemble-Modellierung.

Beachten Sie, dass Sie dies für die Ensemble-Modellierung über die lineare Regression hinaus erweitern können. Sie könnten entscheiden, ob Sie nach einer linearen Regression eine Partition einbeziehen möchten.

 

Begriffe hinzufügen/entfernen

Der Effektzusammenfassungsbereich des Least-Squares-Berichts bietet Optionen zum Hinzufügen/Entfernen von Begriffen. Sie können Ihre zusammenfassenden Statistiken so vergleichen, wie es im schrittweisen Abschnitt beschrieben ist.

     

 

 

Schrittweise

Anstatt Variablen in Blöcken hinzuzufügen, können Sie sie einzeln in beliebiger Reihenfolge hinzufügen und einfach nach dem Hinzufügen jedes Blocks aufhören.Fügen Sie unter Verwendung des Anpassungsmodells alle möglichen Terme in jeder Gruppe als Modelleffekte hinzu. Wenn Sie beispielsweise das Alter im großen Klassendatensatz aus Größe und Gewicht vorhersagen und dann entscheiden möchten, ob Sie den Term „Größe*Gewicht“ hinzufügen sollten, würden Sie alle drei Terme im Dialogfeld „Modellstart“ hinzufügen.Geben Sie dann die Begriffe in Ihren ersten Block ein, Modellanpassung aufnehmen Parameter , und fügen Sie dann Ihren zweiten Block hinzu und vergleichen Sie.Es ist möglich, dass Sie die Einstellungen im Abschnitt Stepwise Regression Control verwenden, um automatisch zu dem Modell zu gelangen, das Sie selbst ausgewählt hätten.

 

Fügen Sie beim Start von Modell anpassen alle Modelleffekte hinzu und wählen Sie schrittweise aus:

     

Fügen Sie die Variablen des ersten Blocks hinzu (ich ignoriere den P-Wert für das Gewicht):

     

Fügen Sie nun den zweiten Block hinzu und beachten Sie, wie der RSquare leicht gestiegen ist, aber auch AIC und BIC, was wahrscheinlich darauf hinweist, dass Sie den zweiten Block nicht einbeziehen möchten.

     

 

Ensemble-Modellierung

Erstellen Sie in Modell anpassen ein Modell mit dem ersten Block und speichern Sie die Residuen. Versuchen Sie dann, die Residuen mithilfe nachfolgender Modelle vorherzusagen.

 

Erstellen Sie ein Modell mit dem ersten Block: Hier habe ich das Alter in kontinuierlich umgewandelt, um das Beispiel einfacher zu machen.

     

Speichern Sie die Vorhersagen und die Residuen:

     

Starten Sie nun das Anpassungsmodell erneut und sagen Sie das Residuum aus dem ersten Modell mithilfe des zweiten Blocks voraus. Denken Sie daran, dass keines von beiden lineare Modelle sein musste. Möglicherweise erhalten Sie eine Meldung, dass Ihnen ein Effekt fehlt, da JMP (korrekterweise) kein Modell aus dem Kreuzbegriff ohne jeden einzelnen Begriff erstellen möchte.In diesem Beispiel waren sie bereits im vorherigen Schritt enthalten, aber Sie könnten sie erneut hinzufügen.

     

Jetzt können Sie die Ergebnisse in diesem Modell verwenden, um zu entscheiden, ob Sie den zweiten Block in Ihr endgültiges Modell aufnehmen möchten. In diesem Fall ist der p-Wert für beide Terme sehr hoch, was darauf hinweist, dass Sie Block 2 nicht einbeziehen sollten.

     

Um die Vorhersage mit beiden Modellen zu erhalten, fügen Sie einfach die Vorhersagen von jedem hinzu:

     

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Re: Hierarchische Regression

Die Idee der hierarchischen Regression scheint für verschiedene Leute unterschiedliche Bedeutungen zu haben. Hier ist, wonach ich suche:

Die hierarchische Regression ist eine Möglichkeit zu zeigen, ob Variablen Ihres Interesses eine statistisch signifikante Menge an Varianz in Ihrer abhängigen Variablen (DV) erklären, nachdem alle anderen Variablen berücksichtigt wurden. Dies ist eher ein Rahmen für den Modellvergleich als eine statistische Methode . In diesem Framework erstellen Sie mehrere Regressionsmodelle, indem Sie bei jedem Schritt Variablen zu einem vorherigen Modell hinzufügen. spätere Modelle beinhalten immer kleinere Modelle in vorherigen Schritten. In vielen Fällen besteht unser Interesse darin, festzustellen, ob neu hinzugefügte Variablen eine signifikante Verbesserung zeigen R 2 (der Anteil der erklärten Varianz in DV durch das Modell).

 

Die Idee besteht darin, Abweichungen von Quellen zu berücksichtigen, die die Auswirkungen der interessierenden Variablen verwirren oder verbergen könnten. Zum Beispiel TV-Effekte. Ein Modell möchte möglicherweise wissen, ob aggressive Aktivitäten durch das Ansehen von Cartoon-Gewalt "verursacht" werden, aber es gibt andere Faktoren, sodass ein hierarchisches Modell Blöcke von Variablen enthalten kann, die nacheinander eingegeben werden.Da alle unechten Varianzen durch einen Block R sq berücksichtigt werden, ist der letzte Term die interessierende Variable. Das Modell könnte so aussehen:

 

Aggressives Verhaltensmaß = (Alter, Geschlecht) + (Bildung, Einkommen) + (Gewaltexposition im Fernsehen)

Sie sehen sich das R sq für jeden Block an.(Sie ignorieren die Aktivität innerhalb jedes Blocks.) Wenn es immer noch einen interessanten Rsq für TV-Gewalt gibt, behaupten Sie, dass er auch nach Berücksichtigung der anderen Variablen signifikant ist.Auf diese Weise können Sie einen ziemlich starken Anspruch geltend machen.

 

In SPSS ist das einfach, und ich bin ein wenig enttäuscht, dass JMP keine ähnliche Möglichkeit bietet, Variablenblöcke sequenziell zu erstellen.

 

Es sei denn, JMP hat etwas mit Stepwise herausgefunden, UGH.Damals in der Graduiertenschule wurde uns beigebracht, dass die schrittweise Regression "Nichts wissen" ist, weil die eingegebenen Ordnungsvariablen mit dem Algorithmus des Programms und nicht mit der Theorie zu tun haben.Dies lässt sich leicht zeigen, indem man Variablen in ein schrittweises Modell hinein- und herauszieht und zusieht, wie die Koeffizienten verrückt werden. Das JMP-Dokument zu Stepwise schlägt vor, ein komplexes Modell auszuführen und dann Variablen aufgrund ihrer "Signifikanz" NICHT auszulassen

 

Ich werde mir das Beispiel ansehen, das Sie mir am Ende Ihres Beitrags gegeben haben, aber ich bin mir nicht sicher, ob es das ist, wonach ich suche

Danke für die Hilfe

 

 

 

Re: Hierarchische Regression

Ihre Erklärung ist viel besser als Ihr ursprünglicher Beitrag, danke. Hierarchie (oder verschachtelt) ist ein spezifischer Begriff, der verwendet wird, um eine spezifische Beziehung zwischen Variationskomponenten oder Faktoren zu bezeichnen. Hierarchie impliziert, dass es eine rationale Ordnung gibt, die berücksichtigt werden muss. Zum Beispiel Batch-to-Batch und innerhalb von Batches. Innerhalb des Stapels muss innerhalb des Stapels verschachtelt sein ... Sie können nicht mehrere Stapel aus einem Muster innerhalb des Stapels erhalten.

Hier sind meine Gedanken:

Hinsichtlich " Die hierarchische Regression ist eine Möglichkeit zu zeigen, ob Variablen Ihres Interesses eine statistisch signifikante Menge an Varianz in Ihrer abhängigen Variablen (DV) erklären, nachdem alle anderen Variablen berücksichtigt wurden."

1. Statistische Signifikanz ist eine bedingte Aussage. Es hängt vom Inferenzraum ab und davon, welche Komponenten verglichen werden. Es kommt ganz darauf an, wie die Daten erhoben wurden. Ich bin mir nicht ganz sicher, was Sie mit "nach Berücksichtigung aller anderen Variablen" meinen? Bei der Analyse mit Typ-III-SS wird jeder Term in Ihrem Modell ausgewertet, nachdem alle anderen Terme in Ihrem Modell berücksichtigt wurden, aber ich glaube nicht, dass Sie das meinen ...

2. Der Kontext ist immer notwendig, um die von der Software durchgeführte Analyse zu interpretieren. Der Kontext muss durch das Thema „Experten“ bereitgestellt werden.

3. Das Entwerfen eines Datenerfassungsplans, der auf Hypothesen basiert und anschließend die für diese Hypothesen repräsentativen Variationsquellen enthält, ist etwas, das Sie tun, nicht die Software. Wie Sie diese Quellen unterteilen und welche Vergleiche Sie anstellen möchten, ist Ihre Entscheidung. Ob diese Quellen verschachtelt, systematisch oder gekreuzt sind, hängt davon ab, wie Sie die Daten sammeln.

4. Rsqs sind nur eine der Metriken, die zur Entwicklung von Modellen verwendet werden. Ich würde die Modellerstellung nicht auf diesen einen Wert beschränken und Rsq adjustiert als Standard verwenden. Betrachten Sie das Delta zwischen Rsq und Rsq adjustiert (wegen Überspezifikation des Modells), RMSE, p-Werte, Residuen und Residuendiagramme usw. Al.

5. " In diesem Framework erstellen Sie mehrere Regressionsmodelle, indem Sie bei jedem Schritt Variablen zu einem vorherigen Modell hinzufügen. spätere Modelle beinhalten immer kleinere Modelle in vorherigen Schritten." Dies ist im Wesentlichen eine schrittweise Regression. Sie können die Komponenten auswählen, mit denen Sie beginnen und welche Komponenten Sie hinzufügen möchten, oder Sie können dies basierend auf der Software bewerten lassen Kriterien, die Sie festlegen.

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

 

Sie können auch Partitionierungsplattformen verwenden, um ähnliche Funktionen auszuführen.

https://www.jmp.com/support/help/en/16.2/?os=mac&source=application&utm_source=helpmenu&utm_medium=application#page/jmp/partition-models.shtml

 

Eine weitere Option in JMP ist der Modellvergleich:

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. " In SPSS ist das einfach, und ich bin ein wenig enttäuscht, dass JMP keine ähnliche Möglichkeit bietet, Variablenblöcke sequenziell zu erstellen." Ich verwende kein SPSS, aber wenn Sie uns zeigen könnten, was Sie meinen, könnten wir Sie vielleicht anleiten. Was meinst du damit, dass die Software sequentiell Blöcke erstellt? Du betrittst Hypothesen in SPSS ein und es erstellt richtig Blöcke für Sie? Das möchte ich sehen.

7. Aggressives Verhaltensmaß = (Alter, Geschlecht) + (Bildung, Einkommen) + (Gewaltexposition im Fernsehen). Es gibt viele weitere Variablen, die Sie nicht eingeschlossen haben oder die mit Ihrem Modell verwechselt werden. Demographie, Familieneinheit, persönliches Trauma, Erziehung, Exposition gegenüber realer Gewalt. Und wie misst man aggressives Verhalten?Ist Ihr Messsystem konsistent? Beeinflusst Ihr Messsystem die Ergebnisse?