Regresión jerárquica¿Cómo especifico bloques de variables en una regresión jerárquica?
Gracias
Investigación de Consumidores y MercadosRe: regresión jerárquica¿No es ese el propósito del Anova tipo I (activado en Ajustar modelo desde Estimaciones> Pruebas secuenciales?
Re: regresión jerárquicaLamento haberme tomado tanto tiempo para volver a esta discusión. Te recomiendo que agregues esta solicitud en el área de la Lista de deseos. JMP Development utiliza este recurso para obtener ideas de los usuarios.
Re: regresión jerárquicaEsto ayuda.
Lástima lo de R sq, ese es un diagnóstico importante que utilizo.
La antigua rutina de SPSS era realmente útil para las personas que realizaban investigaciones mediante encuestas, especialmente para aislar los efectos de las variables de los medios.
La gente en esta discusión ha sido de gran ayuda, pero veo la implementación de JMP que quiero como un truco.
Si estuviera asesorando a JMP, pediría que esta rutina se hiciera un poco más transparente.
Además, para algunos de nosotros, los viejos, la idea de la regresión por pasos es una señal de alerta que se remonta al manual marrón original de SPSS. Quizás soy el único que queda y no es un problema.
Re: regresión jerárquicaEso es exactamente lo que solía hacer en SPSS. También me gustaría hacer eso en JMP.
Re: regresión jerárquicaNo es necesario que haga clic en Ir o Paso en la plataforma Stepwise y utilice el método de selección de modelo automatizado que desea evitar. Puede especificar todos los términos en el modelo completo usando el cuadro de diálogo de inicio Analizar > Ajustar modelo y luego agregarlos paso a paso en grupos según lo considere adecuado según su conocimiento a priori. Es decir, puedes identificar bloques por los términos que ingresas juntos. La sección de historial le permite seleccionar cualquier modelo anterior usando un botón de opción y regresa a ese modelo. Parte de la información que desea, por ejemplo, cambios en R cuadrado, no está disponible directamente.
Re: regresión jerárquicaEste procedimiento es de lo que está hablando.
Re: regresión jerárquicaTu explicación es mucho mejor que tu publicación original, gracias. Jerarquía (o anidada) es un término específico utilizado 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, de lote a lote y dentro de un lote. Dentro del lote debe estar anidado dentro del lote... no se pueden obtener varios lotes de una muestra dentro del lote.
Aquí están mis pensamientos:
Acerca de " La regresión jerárquica es una forma de mostrar si las variables de su interés explican una cantidad estadísticamente significativa de varianza en su variable dependiente (DV) después de tener en cuenta todas las demás variables".
1. La significancia estadística es una declaración condicional. Depende del espacio de inferencia y de los componentes que 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 tipo III evaluará cada término de su modelo después de tener 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 esté impulsado por hipótesis y posteriormente incluya las fuentes de variación representativas de esas hipótesis es algo que usted hace... no el software. Cómo elige subconjuntos de esas fuentes y qué comparaciones desea hacer es su decisión. Si esas fuentes están anidadas, sistemáticas o cruzadas depende de cómo se recopilan los datos.
4. Los Rsq son sólo 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 sobreespecificar el modelo), RMSE, valores p, residuos y gráficos de residuos, etc. Alabama.
5. " En este marco, se construyen 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." Esto es esencialmente una regresión gradual. Puede elegir los componentes con los que empezar y qué componentes agregar o puede dejar que el software evalúe esto en función de criterios que usted 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 utilizar plataformas de partición 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 quieres decir con que el software crea bloques secuencialmente? Tu entras hipótesis en SPSS y crea bloques correctamente para usted? Me gustaría ver eso.
7. Medida de comportamiento agresivo = (edad, género) + (educación, ingresos) + (exposición a la violencia televisiva). Hay muchas más variables que no ha incluido o que están confundidas con su modelo. Demografía, unidad familiar, trauma personal, crianza, exposición a violencia real. ¿Y cómo se mide el comportamiento agresivo?¿Su sistema de medición es consistente? ¿Su sistema de medición sesga los resultados?
Re: regresión jerárquicaLa idea de regresión jerárquica parece tener 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 varianza 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, se construyen 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 varianza explicada en DV por el modelo).
La idea es tener en cuenta la variación de fuentes que podrían confundir u ocultar los efectos de la variable de interés. Por ejemplo, efectos de televisión. Un modelo podría querer saber si la actividad agresiva es "causada" por ver dibujos animados de violencia, pero hay otros factores, por lo que un modelo jerárquico podría incluir bloques de variables ingresadas una por una.Con toda la varianza espuria contabilizada por bloques R sq, el último término es la variable de interés. El modelo podría verse así:
Medida de comportamiento agresivo = (edad, género) + (educación, ingresos) + (exposición a la violencia televisiva)
Miras el R sq para cada bloque.(Se ignora la actividad dentro de cada bloque.) Si todavía hay un Rsq interesante para la violencia televisiva, se afirma que es significativo incluso después de tener en cuenta las otras variables.De esta manera puedes hacer un reclamo bastante sólido.
Es fácil de hacer en SPSS y estoy un poco decepcionado de que JMP no ofrezca una forma similar de crear bloques de variables secuencialmente.
A menos que JMP haya resuelto algo con Stepwise, UGH.En la escuela de posgrado nos enseñaron que la regresión gradual es "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 demostrar colocando variables dentro y fuera de un modelo paso a paso y observando cómo los coeficientes se vuelven locos. El documento JMP paso a paso sugiere ejecutar un modelo complejo y luego eliminar variables en función de su "importancia" NO
Miraré 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 jerárquicaSi se refiere a la regresión lineal jerárquica, no creo que 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 estándar de arrendamientos cuadrados,
- regresión gradual y,
- modelado de conjuntos.
Tenga en cuenta que para el modelado de conjuntos puede extender esto más allá de la simple regresión lineal; podría decidir si desea 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 o eliminar términos; puede comparar sus estadísticas resumidas 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.Usando 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 decidir si debe agregar el término altura*peso, agregaría los tres términos en el cuadro de diálogo de inicio del modelo.Luego ingrese los términos en su primer bloque, registre el ajuste del modelo parámetros y luego agregue su segundo bloque y compare.Es posible que pueda usar la configuración en la sección Control de regresión por pasos para llegar automáticamente al modelo que usted mismo habría elegido.
En el inicio 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 el modelo de ajuste, 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 nuevamente el modelo de ajuste y prediga el residual del primer modelo usando el segundo bloque; recuerde que ninguno de estos tenía que ser un modelo lineal. Es posible que reciba un mensaje indicando que le falta un efecto porque JMP (correctamente) no quiere crear un modelo a partir del término cruzado sin cada término individual.En este ejemplo ya estaban incluidos en el paso anterior pero podrías agregarlos nuevamente.
Ahora puede utilizar los resultados de este modelo para decidir si incluye 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 se debe incluir el bloque 2.
Para obtener la predicción usando ambos modelos, simplemente agregue las predicciones de cada uno:
Re: regresión jerárquicaLa pregunta es ¿cómo capturar muchas columnas?
Quizás desee utilizar el menú de filtro de columnas:
Inicie Windows en Plataformas (jmp.com)
