477754_de-DE

liliconcom

Hierarchische Regression

Wie spezifiziere ich Variablenblöcke in einer hierarchischen Regression?

Danke

Verbraucher- und MarktforschungBetreff: Hierarchische Regression

Ist das nicht der Zweck von Type I Anova (aktiviert in „Modell anpassen“ unter „Schätzungen“ > „Sequenzielle Tests“)?

Betreff: Hierarchische Regression

Es tut mir leid, dass es so lange gedauert hat, bis ich zu dieser Diskussion zurückkomme. Ich empfehle Ihnen, diese Anfrage im Bereich „Wunschliste“ hinzuzufügen. JMP Development nutzt diese Ressource, um Ideen von Benutzern zu erhalten.

Betreff: Hierarchische Regression

Das hilft.

Schade um R sq, das ist eine wichtige Diagnose, die ich verwende.

Die alte SPSS-Routine war wirklich nützlich für Leute, die Umfragen recherchierten, insbesondere wenn es darum ging, die Auswirkungen von Medienvariablen zu isolieren.

Die Leute in dieser Diskussion waren wirklich hilfreich, aber ich betrachte die JMP-Implementierung, die ich möchte, als eine Art Hack

Wenn ich JMP beraten würde, würde ich darum bitten, dass diese Routine etwas transparenter gestaltet wird.

Auch für einige von uns alten Leuten stellt die Idee der schrittweisen Regression ein Warnsignal dar, das auf das ursprüngliche kastanienbraune SPSS-Handbuch zurückgeht. Vielleicht bin ich der Einzige, der noch übrig ist, und das ist kein Problem.

 

Betreff: Hierarchische Regression

Genau das habe ich früher in SPSS gemacht. Ich würde das auch gerne in JMP machen

Betreff: Hierarchische Regression

Sie müssen in der Stepwise-Plattform nicht auf „Los“ oder „Schritt“ klicken und den automatisierten Modellauswahlansatz verwenden, den Sie vermeiden möchten. Sie können alle Begriffe im vollständigen Modell über den Startdialog „Analysieren“ > „Modell anpassen“ angeben und sie dann schrittweise in Gruppen hinzufügen, je nachdem, wie Sie es aufgrund Ihrer A-priori-Kenntnisse für geeignet halten. Das heißt, Sie können Blöcke anhand der Begriffe identifizieren, die Sie gemeinsam eingeben. Im Abschnitt „Verlauf“ können Sie mithilfe eines Optionsfelds ein beliebiges vorheriges Modell auswählen und zu diesem Modell zurückkehren. Einige gewünschte Informationen, z. B. die Änderung des R-Quadrats, sind nicht direkt verfügbar.

Betreff: Hierarchische Regression

Dieses Verfahren ist das, worüber er spricht.

Betreff: Hierarchische Regression

Deine Erklärung ist viel besser als dein ursprünglicher Beitrag, danke. Hierarchie (oder Verschachtelung) ist ein spezifischer Begriff, der eine spezifische Beziehung zwischen Variationskomponenten oder Faktoren bezeichnet. Hierarchie impliziert, dass es eine rationale Ordnung gibt, die berücksichtigt werden muss. Zum Beispiel von Charge zu Charge und innerhalb einer Charge. Innerhalb einer Charge muss innerhalb einer Charge verschachtelt sein. Sie können nicht mehrere Chargen aus einer Stichprobe innerhalb einer Charge erhalten.

Hier sind meine Gedanken:

Hinsichtlich " Mit der hierarchischen Regression können Sie zeigen, ob die für Sie interessanten Variablen nach Berücksichtigung aller anderen Variablen eine statistisch signifikante Varianz in Ihrer abhängigen Variablen (DV) erklären.

1. Statistische Signifikanz ist eine bedingte Aussage. Dies hängt vom Inferenzraum und den verglichenen Komponenten ab. 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 SS vom Typ III 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 einbezieht, 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 den angepassten Rsq als Standard verwenden. Berücksichtigen Sie das Delta zwischen Rsq und Rsq, angepasst (um das Modell zu spezifizieren), 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 schließen immer kleinere Modelle in vorherigen Schritten ein.“ Dies ist im Wesentlichen eine schrittweise Regression. Sie können auswählen, mit welchen Komponenten Sie beginnen möchten und welche Komponenten Sie hinzufügen möchten, oder die Software dies anhand dessen auswerten 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 besteht darin, Modelle zu vergleichen:

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 ganz einfach, und ich bin ein wenig enttäuscht, dass JMP keine ähnliche Möglichkeit bietet, nacheinander Blöcke mit Variablen zu erstellen.“ Ich verwende SPSS nicht, aber wenn Sie uns zeigen könnten, was Sie meinen, können wir Ihnen vielleicht weiterhelfen. Was meinst du damit, dass die Software nacheinander Blöcke erstellt? Du betrittst Hypothesen in SPSS und es erstellt ordnungsgemäß Blockaden für Sie? Das würde ich gerne sehen.

7. Maß für aggressives Verhalten = (Alter, Geschlecht) + (Bildung, Einkommen) + (Gewaltpräsenz im Fernsehen). Es gibt viele weitere Variablen, die Sie nicht einbezogen haben oder die mit Ihrem Modell verwechselt sind. Demografische Merkmale, familiäre Einheit, persönliches Trauma, Erziehung, Kontakt mit echter Gewalt. Und wie misst man aggressives Verhalten?Ist Ihr Messsystem konsistent? Verzerrt Ihr Messsystem die Ergebnisse?

Betreff: Hierarchische Regression

Die Idee der hierarchischen Regression scheint für verschiedene Menschen eine unterschiedliche Bedeutung zu haben. Folgendes suche ich:

Mit der hierarchischen Regression können Sie zeigen, ob die für Sie interessanten Variablen nach Berücksichtigung aller anderen Variablen eine statistisch signifikante Varianz in Ihrer abhängigen Variablen (DV) erklären. Dabei handelt es sich eher um einen Rahmen für den Modellvergleich als um eine statistische Methode . In diesem Framework erstellen Sie mehrere Regressionsmodelle, indem Sie bei jedem Schritt Variablen zu einem vorherigen Modell hinzufügen. Spätere Modelle schließen immer kleinere Modelle in vorherigen Schritten ein. In vielen Fällen besteht unser Interesse darin, festzustellen, ob neu hinzugefügte Variablen eine signifikante Verbesserung zeigen R 2 (der Anteil der erklärten Varianz im DV durch das Modell).

 

Die Idee besteht darin, Abweichungen von Quellen zu berücksichtigen, die die Auswirkungen der interessierenden Variablen verfälschen oder verbergen könnten. Zum Beispiel TV-Effekte. Ein Modell möchte möglicherweise wissen, ob aggressive Aktivitäten durch das Ansehen von Gewalt in Zeichentrickfilmen „verursacht“ werden, aber es gibt noch andere Faktoren, sodass ein hierarchisches Modell möglicherweise Blöcke von Variablen enthält, die nacheinander eingegeben werden.Da alle falschen Varianzen auf einen Block R sq zurückzuführen sind, ist der letzte Term die interessierende Variable. Das Modell könnte so aussehen:

 

Maß für aggressives Verhalten = (Alter, Geschlecht) + (Bildung, Einkommen) + (Gewaltpräsenz im Fernsehen)

Sie sehen sich das R-Quadrat 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 dieser 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, sequenziell Variablenblöcke zu erstellen.

 

Es sei denn, JMP hat mit Stepwise etwas herausgefunden, UGH.Schon in der Graduiertenschule wurde uns beigebracht, dass die schrittweise Regression eine „nichts wissen“-Regression ist, weil die eingegebenen Reihenfolgevariablen 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 ein- und ausblendet und beobachtet, wie die Koeffizienten durchdrehen. Das JMP-Dokument zu Stepwise schlägt vor, ein komplexes Modell auszuführen und dann Variablen basierend auf ihrer „Signifikanz“ NICHT wegzulassen

 

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

danke für die Hilfe

 

 

 

Betreff: Hierarchische Regression

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

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

Beachten Sie, dass Sie die Ensemble-Modellierung über die reine lineare Regression hinaus erweitern können. Sie könnten entscheiden, ob nach einer linearen Regression eine Partition eingefügt werden soll.

 

Bedingungen hinzufügen/entfernen

Der Abschnitt „Effektzusammenfassung“ des Berichts der kleinsten Quadrate verfügt über Optionen zum Hinzufügen/Entfernen von Begriffen. Sie können Ihre zusammenfassenden Statistiken genau wie im schrittweisen Abschnitt beschrieben vergleichen.

     

 

 

Schrittweise

Anstatt Variablen in Blöcken hinzuzufügen, können Sie sie einzeln in beliebiger Reihenfolge hinzufügen und nach dem Hinzufügen jedes Blocks einfach aufhören.Fügen Sie mithilfe des Anpassungsmodells alle möglichen Terme in jeder Gruppe als Modelleffekte hinzu. Wenn Sie beispielsweise das Alter im großen Klassendatensatz anhand von Größe und Gewicht vorhersagen möchten und dann entscheiden, ob Sie den Term „Größe*Gewicht“ hinzufügen möchten, würden Sie alle drei Terme im Dialogfeld „Modellstart“ hinzufügen.Geben Sie dann die Begriffe in Ihren ersten Block ein und zeichnen Sie die Modellanpassung auf Parameter , und fügen Sie dann Ihren zweiten Block hinzu und vergleichen Sie.Möglicherweise können Sie die Einstellungen im Abschnitt „Schrittweise Regressionssteuerung“ verwenden, um automatisch zu dem Modell zu gelangen, das Sie selbst gewählt 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, dass RSquare leicht gestiegen ist, aber auch AIC und BIC gestiegen sind, was wahrscheinlich darauf hindeutet, dass Sie den zweiten Block nicht einbeziehen möchten.

     

 

Ensemble-Modellierung

Erstellen Sie im Modellanpassungsmodus 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 „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 mithilfe des zweiten Blocks das Residuum des ersten Modells voraus. Beachten Sie, dass keines dieser Modelle linear sein muss. Möglicherweise erhalten Sie die Meldung, dass Ihnen ein Effekt fehlt, da JMP (richtigerweise) kein Modell aus dem Kreuzterm ohne jeden einzelnen Term erstellen möchte.In diesem Beispiel waren sie bereits im vorherigen Schritt enthalten, Sie können sie jedoch erneut hinzufügen.

     

Jetzt können Sie anhand der Ergebnisse in diesem Modell 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:

     

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Betreff: Hierarchische Regression

Die Frage ist, wie man viele Spalten ergreift.

Möglicherweise möchten Sie das Spaltenfiltermenü verwenden:

Starten Sie Windows in Plattformen (jmp.com)