477754_it-IT

liliconcom

Regressione gerarchica

Come posso specificare blocchi di variabili in una regressione gerarchica

Grazie

Ricerche sui consumatori e sul mercatoRe: Regressione gerarchica

Non è questo lo scopo dell'Anova di tipo I (attivato in Stima modello da Stime> Test sequenziali?

Re: Regressione gerarchica

Mi scuso se ho impiegato molto tempo per ritornare su questa discussione. Ti consiglio di aggiungere questa richiesta nell'area Wish List. JMP Development utilizza questa risorsa per ottenere idee dagli utenti.

Re: Regressione gerarchica

Questo aiuta.

Peccato per R sq, che è un'importante diagnostica che utilizzo.

La vecchia routine SPSS era davvero utile per le persone che facevano ricerche sui sondaggi, soprattutto cercando di isolare gli effetti delle variabili dei media.

Le persone coinvolte in questa discussione sono state davvero utili, ma considero l'implementazione di JMP che desidero come una sorta di hack

Se dovessi consigliare JMP, chiederei che questa routine sia resa un po’ più trasparente.

Anche per alcuni di noi vecchi l’idea di una regressione graduale mette in allarme una bandiera rossa che risale al manuale marrone SPSS originale. Forse sono l'unico rimasto e non è un problema.

 

Re: Regressione gerarchica

Questo è esattamente quello che facevo in SPSS. Mi piacerebbe farlo anche in JMP

Re: Regressione gerarchica

Non è necessario fare clic su Vai o Step nella piattaforma Stepwise e utilizzare l'approccio di selezione automatizzata del modello che desideri evitare. Puoi specificare tutti i termini nel modello completo utilizzando la finestra di dialogo di avvio Analizza > Adatta modello e quindi aggiungerli in Stepwise in gruppi come ritieni opportuno in base a una conoscenza a priori. Vale a dire che puoi identificare i blocchi in base ai termini che inserisci insieme. La sezione della cronologia consente di selezionare qualsiasi modello precedente utilizzando un pulsante di opzione e di tornare a quel modello. Alcune informazioni desiderate, ad esempio la modifica del quadrato R, non sono direttamente disponibili.

Re: Regressione gerarchica

Questa procedura è ciò di cui sta parlando.

Re: Regressione gerarchica

La tua spiegazione è molto migliore del tuo post originale, grazie. Gerarchia (o annidata) è un termine specifico utilizzato per designare una relazione specifica tra componenti di variazione o fattori. La gerarchia implica che esista un ordine razionale di cui tenere conto. Ad esempio da batch a batch e all'interno di batch. Il batch interno deve essere nidificato nel batch interno... non è possibile ottenere più lotti da un campione batch interno.

Ecco i miei pensieri:

Per quanto riguarda " La regressione gerarchica è un modo per mostrare se le variabili di tuo interesse spiegano una quantità statisticamente significativa di varianza nella tua variabile dipendente (DV) dopo aver tenuto conto di tutte le altre variabili."

1. La significatività statistica è un'affermazione condizionale. Dipende dallo spazio di inferenza e da quali componenti vengono confrontati. Dipende completamente da come sono stati raccolti i dati. Non sono esattamente sicuro di cosa intendi con "dopo aver tenuto conto di tutte le altre variabili"? L'analisi che utilizza SS di tipo III valuterà ogni termine nel tuo modello dopo che tutti gli altri termini nel tuo modello saranno stati presi in considerazione, ma non penso che sia questo ciò che intendi...

2. Il contesto è sempre necessario per interpretare l'analisi effettuata dal software. Il contesto deve essere fornito dall'argomento "esperti".

3. Progettare un piano di raccolta dati guidato da ipotesi e successivamente includere le fonti di variazione rappresentative di tali ipotesi è qualcosa che fai tu... non il software. La decisione su come scegli di suddividere tali fonti e quali confronti vuoi fare è una tua decisione. Il fatto che tali fonti siano annidate, sistematiche o incrociate dipende da come raccogli i dati.

4. Le Rsq sono solo una delle metriche utilizzate per sviluppare i modelli. Non limiterei la costruzione del modello a quell'unico valore e utilizzerei Rsq regolato come predefinito. Considerare il delta tra Rsq e Rsq aggiustato (per aver specificato eccessivamente il modello), RMSE, valori p, residui e grafici dei residui, ecc. al.

5. " In questo contesto, si creano diversi modelli di regressione aggiungendo variabili a un modello precedente in ogni passaggio; i modelli successivi includono sempre i modelli più piccoli nei passaggi precedenti." Si tratta essenzialmente di una regressione graduale. È possibile scegliere i componenti con cui iniziare e quali componenti aggiungere oppure lasciare che sia il software a valutarli in base criteri da te impostati.

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

 

Puoi anche utilizzare piattaforme di partizionamento per eseguire funzioni simili.

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

 

Un'altra opzione in JMP è confrontare i modelli:

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. " È facile da eseguire in SPSS e sono un po' deluso dal fatto che JMP non offra un modo simile per creare in sequenza blocchi di variabili." Non utilizzo SPSS, ma se potessi mostrarci cosa intendi, potremmo essere in grado di guidarti. Cosa intendi con che il software crea blocchi in sequenza? Tu entri ipotesi in SPSS e crea correttamente i blocchi per te? Mi piacerebbe vederlo.

7. Misura del comportamento aggressivo = (età, sesso) + (istruzione, reddito) + (esposizione alla violenza televisiva). Ci sono molte più variabili che non hai incluso o che hai confuso con il tuo modello. Dati demografici, nucleo familiare, trauma personale, educazione, esposizione alla violenza reale. E come si misura il comportamento aggressivo?Il vostro sistema di misurazione è coerente? Il tuo sistema di misurazione influenza i risultati?

Re: Regressione gerarchica

L'idea di regressione gerarchica sembra avere un significato diverso per persone diverse. Ecco cosa sto cercando:

La regressione gerarchica è un modo per mostrare se le variabili di tuo interesse spiegano una quantità statisticamente significativa di varianza nella variabile dipendente (DV) dopo aver tenuto conto di tutte le altre variabili. Si tratta di un quadro per il confronto dei modelli piuttosto che di un metodo statistico . In questo contesto, si creano diversi modelli di regressione aggiungendo variabili a un modello precedente in ogni passaggio; i modelli successivi includono sempre modelli più piccoli nei passaggi precedenti. In molti casi, il nostro interesse è determinare se le variabili appena aggiunte mostrano un miglioramento significativo R 2 (la proporzione della varianza spiegata nel DV dal modello).

 

L'idea è quella di tenere conto della varianza da fonti che potrebbero confondere o nascondere gli effetti della variabile di interesse. Ad esempio, gli effetti televisivi. Un modello potrebbe voler sapere se l'attività aggressiva è "causata" dalla visione di cartoni animati violenti, ma ci sono altri fattori, quindi un modello gerarchico potrebbe includere blocchi di variabili immesse uno per uno.Considerando tutta la varianza spuria rappresentata da un blocco Rq, l'ultimo termine è la variabile di interesse. Il modello potrebbe assomigliare a questo:

 

Misura del comportamento aggressivo = (età, sesso) + (istruzione, reddito) + (esposizione alla violenza televisiva)

Guardi la R quadrato per ogni blocco.(Ignori l'attività all'interno di ciascun blocco.) Se c'è ancora un Rsq interessante per la violenza televisiva, affermi che è significativo anche dopo aver preso in considerazione le altre variabili.In questo modo puoi fare un'affermazione piuttosto forte.

 

È facile da eseguire in SPSS e sono un po' deluso dal fatto che JMP non offra un modo simile per creare in sequenza blocchi di variabili.

 

A meno che non ci sia qualcosa che JMP abbia capito con Stepwise, UGH.Ai tempi della scuola di specializzazione ci è stato insegnato che la regressione graduale è "non so nulla" perché le variabili dell'ordine in cui vengono immesse hanno a che fare con l'algoritmo del programma e non con la teoria.Ciò è facile da dimostrare inserendo variabili dentro e fuori un modello graduale e osservando i coefficienti impazzire. Il documento JMP su Stepwise suggerisce di eseguire un modello complesso e quindi di eliminare le variabili in base al loro "significato" NON

 

Guarderò l'esempio che mi hai fornito alla fine del tuo post, ma non sono sicuro che sia quello che sto cercando

Grazie per l'aiuto

 

 

 

Re: Regressione gerarchica

Se fai riferimento alla regressione lineare gerarchica, non penso che questa sia una piattaforma separata in JMP.Ciò potrebbe essere dovuto al fatto che esistono alternative abbastanza semplici (almeno in base alla mia comprensione della regressione lineare gerarchica):

• aggiungere/rimuovere termini nel report standard di Leas Squares,
• regressione graduale e,
• modellazione d'insieme.

Tieni presente che per la modellazione d'insieme puoi estenderlo oltre la semplice regressione lineare, potresti decidere se includere una partizione dopo una regressione di linea.

 

Aggiungi/Rimuovi termini

La sezione di riepilogo degli effetti del report dei minimi quadrati dispone di opzioni per aggiungere/rimuovere termini, puoi confrontare le statistiche di riepilogo proprio come descritto nella sezione passo passo.

     

 

 

Gradualmente

Invece di aggiungere variabili in blocchi, puoi aggiungerle individualmente in qualsiasi ordine e fermarti dopo aver aggiunto ciascun blocco.Utilizzando il modello di adattamento aggiungi tutti i termini possibili in ogni gruppo come effetti del modello. Ad esempio, se desideri prevedere l'età nel set di dati di grandi classi in base ad altezza e peso e quindi decidere se aggiungere il termine altezza*peso, aggiungere tutti e tre i termini nella finestra di dialogo di lancio del modello.Quindi inserisci i termini nel primo blocco, registra l'adattamento del modello parametro , quindi aggiungi il secondo blocco e confronta.È possibile che tu possa utilizzare le impostazioni nella sezione Controllo regressione graduale per arrivare automaticamente al modello che avresti scelto tu stesso.

 

Nel lancio Adatta modello aggiungi tutti gli effetti del modello e seleziona passo passo:

     

Aggiungi le variabili del primo blocco (sto ignorando il valore P per il peso):

     

Ora aggiungi il secondo blocco e nota come RSquare è aumentato leggermente, ma anche AIC e BIC sono aumentati, probabilmente indicando che non vorresti includere il secondo blocco.

     

 

Modellazione d'insieme

Nel modello in forma, costruisci un modello utilizzando il primo blocco e salva i residui. Quindi provare a prevedere i residui utilizzando i modelli successivi.

 

Costruisci un modello utilizzando il primo blocco: qui ho convertito age in continuo per rendere l'esempio più semplice.

     

Salva le previsioni e i residui:

     

Ora avvia nuovamente il modello di adattamento e prevedi il residuo del primo modello utilizzando il secondo blocco, ricorda che nessuno di questi doveva essere un modello lineare. Potresti ricevere un messaggio che ti informa che ti manca un effetto perché JMP (correttamente) non vuole creare un modello dal termine incrociato senza ogni singolo termine.In questo esempio erano già inclusi nel passaggio precedente ma potresti aggiungerli nuovamente.

     

Ora puoi utilizzare i risultati di questo modello per decidere se includere il secondo blocco nel modello finale. In questo caso il valore p per entrambi i termini è molto alto, il che indica che non dovresti includere il blocco 2.

     

Per ottenere la previsione utilizzando entrambi i modelli, basta aggiungere le previsioni di ciascuno:

     

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Re: Regressione gerarchica

La domanda è: come acquisire molte colonne?

Potresti voler utilizzare il menu Filtro colonne:

Avvia Windows nelle piattaforme (jmp.com)