层次回归如何在层次回归中指定变量块
谢谢
消费者和市场研究回复：层次回归这不是 I 型方差分析的目的吗（在“估计”>“顺序检验”中的“拟合模型”中打开）？
回复：层次回归我很抱歉花了很长时间才回到这个讨论。 我建议您将此请求添加到愿望清单区域。 JMP Development 使用此资源从用户那里获取想法。
回复：层次回归这有帮助。
R sq 太糟糕了，这是我使用的一个重要诊断。
旧的 SPSS 例程对于进行调查研究的人们非常有用，尤其是想要隔离媒体变量的影响。
此讨论中的人们确实很有帮助，但我看到我想要的 JMP 实现有点像黑客
如果我为 JMP 提供建议，我会要求该例程变得更加透明一些。
对于我们这些老家伙来说，逐步回归的想法也提出了一个危险信号，这可以追溯到最初的栗色 SPSS 手册。 也许我是唯一剩下的人了，这不是问题。
回复：层次回归这正是我以前在 SPSS 中所做的。 我也想在 JMP 中这样做
回复：层次回归您不必在 Stepwise 平台中单击“Go”或“Step”，也不必使用您希望避免的自动模型选择方法。 您可以使用“分析”>“拟合模型”启动对话框指定完整模型中的所有项，然后根据先验知识将它们按您认为合适的方式按组添加。 也就是说，您可以通过一起输入的术语来识别块。 历史记录部分允许您使用单选按钮选择任何先前的模型，然后它会返回到该模型。 您想要的某些信息（例如 R 方的变化）无法直接获得。
回复：层次回归这个程序这就是他所说的。
回复：层次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，用于指定变异或因素的组成部分之间的特定关系。 层次结构意味着存在必须考虑的合理顺序。 例如批次间和批次内。 批次内必须嵌套批次内...您无法从批次内样本中获取多个批次。
这是我的想法：
关于 ”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可以解释因变量 (DV) 中统计上显着的方差的方法。”
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。 这完全取决于数据的收集方式。 我不太清楚“考虑到所有其他变量后”是什么意思？ 使用 III 型 SS 进行分析将在考虑模型中的所有其他项后评估模型中的每个项，但我不认为这就是您的意思......
2. 解释软件所做的分析始终需要上下文。 上下文必须由主题“专家”提供。
3. 设计一个由假设驱动的数据收集计划，并随后包括代表这些假设的变异源，这是您要做的事情……而不是软件的事情。 您可以决定如何选择对这些来源进行子集化以及想要进行哪些比较。 这些来源是嵌套的、系统的还是交叉的取决于您收集数据的方式。
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该值，并且我会使用调整后的 Rsq 作为默认值。 考虑 Rsq 和调整后的 Rsq 之间的增量（用于过度指定模型）、RMSE、p 值、残差和残差图等。等人。
5.”在此框架中，您可以通过在每一步向先前的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。” 这本质上是逐步回归。 您可以选择要开始的组件以及要添加的组件，也可以让软件根据以下内容进行评估：您设定的标准。
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
您还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 中这很容易做到，但令我有点失望的是 JMP 没有提供类似的方法来顺序创建变量块。” 我不使用 SPSS，但如果您能向我们展示您的意思，我们也许可以为您提供指导。 软件按顺序创建块是什么意思？ 你输入将假设导入 SPSS，它会正确地为您创建块吗？ 我想看看。
7.攻击性行为测量=（年龄、性别）+（教育、收入）+（电视暴力暴露）。 还有许多变量尚未包含或与模型混淆。 人口统计、家庭单位、个人创伤、成长经历、真实暴力的暴露。 你如何衡量攻击行为？您的测量系统是否一致？ 您的测量系统是否会导致结果出现偏差？
回复：层次回归层次回归的想法对于不同的人来说似乎有不同的含义。 这是我正在寻找的：
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可以解释因变量 (DV) 中统计显着方差量的方法。 这是模型比较的框架而不是统计方法。 在此框架中，您可以通过在每一步向先前的模型添加变量来构建多个回归模型；后面的模型总是包含前面步骤中较小的模型。 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进右2 （模型解释 DV 方差的比例）。
这个想法是要考虑可能混淆或隐藏感兴趣变量影响的来源的差异。 例如，电视效果。 模型可能想知道攻击性活动是否是由观看卡通暴力“引起”的，但还有其他因素，因此分层模型可能包括一一输入的变量块。由于所有虚假方差均由块 R sq 计算，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）+（电视暴力暴露）
您查看每个块的 R 平方。（你忽略每个块内的活动。）如果电视暴力仍然有一个有趣的 Rsq，你就声称即使在考虑其他变量之后它仍然很重要。这样你就可以做出相当有力的主张。
在 SPSS 中这很容易做到，但令我有点失望的是 JMP 没有提供类似的方法来顺序创建变量块。
除非 JMP 通过 Stepwise 解决了一些问题，呃。回到研究生院，我们被告知逐步是“一无所知”回归，因为输入的顺序变量与程序的算法有关，而不是与理论有关。通过将变量放入和取出逐步模型并观察系数的变化，可以很容易地显示这一点。 JMP 文档逐步建议运行一个复杂的模型，然后根据“显着性”NOT 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：层次回归如果您提到分层线性回归，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）：
- 在标准最小平方报告中添加/删除术语，
- 逐步回归，
- 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/删除项的选项，您可以按照逐步部分中的说明比较摘要统计数据。
逐步
您可以按任意顺序单独添加变量，而不是在块中添加变量，并在添加每个块后停止。使用拟合模型将每组中所有可能的项添加为模型效果。 例如，如果您想根据身高和体重预测大类数据集中的年龄，然后决定是否应添加身高*体重项，则需要在模型启动对话框中添加所有这三个项。然后在第一个块中输入术语，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”部分中的设置自动进入您自己选择的模型。
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（我忽略权重的 P 值）：
现在添加第二个块，并注意 R 方如何略有上升，但 AIC 和 BIC 也略有上升，这可能表明您不想包含第二个块。
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，请记住这些都不需要是线性模型。 您可能会收到一条消息，指出您缺少效应，因为 JMP（正确地）不想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，两项的 p 值都非常高，表明您不应包含块 2。
要使用这两个模型进行预测，只需添加每个模型的预测即可：
回复：层次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)
