Interacciones en regresión OLS y pendientes simples.Hola a todos,
Actualmente estoy tratando de realizar un modelo de regresión OLS (lineal) con un efecto de interacción (para probar la moderación). Por ejemplo, digamos que deseo predecir una variable continua Y usando dos variables continuas X y M y su interacción X*M.
El resultado del efecto del término de interacción es significativo. Sin embargo, no sé cómo pedirle a JMP que dé los datos de las pendientes simples.
Específicamente, ¿cómo obtengo las betas y su significado para el efecto de X e Y en los diferentes niveles de M? (usualmente -1sd, media, 1sd para variable continua o si el moderador es binario que en ambos niveles del moderador).
Sé cómo obtener las parcelas (Modelo de ajuste ... Factorial completo, etc.), pero no es suficiente, necesito los efectos simples reales para las pendientes, SE y significado.
Agradecerá cualquier ayuda al respecto.
Re: Interacciones en regresión OLS y pendientes simples.@Batata @nguyentandat234 Me complace compartir que una de nuestras pasantes de verano, @haley.yaremych, quien también es estudiante de doctorado en Vanderbilt, escribió un complemento para moderación y mediación moderada y ya está disponible en la comunidad JMP. También escribió una excelente publicación de blog con ejemplos para ilustrar cómo usarlo:
¿Quién, qué, por qué y cómo? Herramientas para modelar y visualizar la moderación y la mediación moderada en JMP Pro
El complemento requiere JMP Pro 16.0 o superior. Aquí hay una vista previa de su diagrama de Johnson-Neyman, que tiene interactividad para mostrar la pendiente simple y su significado estadístico en cada valor del moderador:
¡Espero que esto sea útil para tu trabajo!
~Laura
Re: Interacciones en regresión OLS y pendientes simples.Cuando la línea horizontal está toda dentro del intervalo de confianza, el factor no es significativo ya que el efecto de ese factor fácilmente podría ser cero (sin pendiente). Por lo tanto, no significativo.
Re: Interacciones en regresión OLS y pendientes simples.Gracias @Dan_Obermiller
Solo 1 pregunta más. Si entiendo correctamente, la línea horizontal roja es el valor predicho del DV, mientras que la parte sombreada es el IC para el VL predicho. Si es así, ¿puede ayudarme a comprender por qué cuando la línea horizontal permanece dentro del CI sombreado, los resultados NO son significativos?
Re: Interacciones en regresión OLS y pendientes simples.Desafortunadamente, no tengo tiempo ahora mismo para construir las pruebas en las pendientes simples. Tal vez alguien más pueda ayudar con eso. Una cosa que noté en su imagen adjunta es que su generador de perfiles de predicción no tiene los intervalos de confianza activados. Si hace clic en el triángulo rojo del generador de perfiles, seleccione Intervalos de confianza. Deberías ver bandas que aparecen como esta imagen:
Aunque estos no son sus datos, observe la imagen de la izquierda. Hay una línea horizontal que NO está dentro del intervalo de confianza sombreado. Esa variable (Carrera al bate) es significativa. El intervalo de confianza sombreado a la derecha contiene completamente la línea media horizontal. Esa variable NO es significativa. Estos son intervalos de confianza del 95 % y serían equivalentes a realizar la prueba con un nivel de significancia del 5 %.
Re: Interacciones en regresión OLS y pendientes simples.Querido @Dan_Obermiller , Encontré problemas similares con el Análisis de pendiente simple y su respuesta resultó ser muy útil. ¿Puede explicar más acerca de cómo usar las bandas de error para encontrar la significación estadística de la pendiente X?
(Por ejemplo, ¿cómo mostrar las bandas de error ya que solo puedo encontrar la confianza del intervalo en el perfilador de predicciones? ¿Puedo encontrar el nivel de significación exacto o simplemente saber que la pendiente simple es significativa)
ya puedo calcular el β para la Pendiente Simple en -1 SD, +1 SD y Media. Lo único que queda es calcular el Nivel de Significación.
Si puede ser de alguna ayuda, aquí están mis datos.
Re: Interacciones en regresión OLS y pendientes simples.Gracias.
Re: Interacciones en regresión OLS y pendientes simples.No veo forma de obtener esos elementos "automáticamente" con JMP. Obtiene la información necesaria para tomar la decisión, pero no los valores reales para informar. Por lo tanto, sería necesario crear un script JMP para hacerlo.
Como dice su documento: "... la mayoría de los programas de software no han creado procedimientos preempaquetados para trazar o probar pendientes simples".
Busque en la Lista de deseos de JMP para ver si alguien ha agregado esta característica a la lista. Si es así, solo kudo esa entrada para que los desarrolladores conozcan el soporte para esa función. Si no lo encuentra allí, agréguelo para que pueda ser considerado para una versión futura de JMP.
Re: Interacciones en regresión OLS y pendientes simples.Primero, gracias a ambos por su ayuda, es muy apreciada.
Necesito las pendientes simples, ya que debo informarlas en la sección de resultados de mi estudio; no puedo simplemente describirlo sin incluir los valores reales como se acepta (el valor b (SE), p) para -1sd, media y +1sd .
por lo tanto, la pregunta es, ¿hay alguna forma de obtenerlos en JMP?
Una vez más, ¡muchas gracias por tu ayuda!
Re: Interacciones en regresión OLS y pendientes simples.El documento que adjuntó que describe pendientes simples es exactamente lo que @Mark_Bailey descrito. La única diferencia es que Mark estableció los parámetros para una Z categórica en su caso (Masculino (-1) o Femenino (+1)).
Para ver esto, de su archivo adjunto, el modelo fue Y = -2.3X + -0.5Z + 1.6XZ + 3.0. Eligieron un valor de 3,5 para Z. Sustituyendo eso por Z se obtiene Y = (3,0 + 3,5*(-0,5)) + (-2,3 +1,6*3,5)X. El -2.3 + 1.6*3.5 = 3.3 X que coincide exactamente con su resultado. Mark sugirió lo mismo, pero usó -1 y +1 porque así es como se codifican los valores masculino y femenino en JMP. El factor categórico hace que las "pendientes simples" sean más fáciles de encontrar.
Se podría escribir una secuencia de comandos JMP para hacer todo lo descrito en su archivo adjunto (similar a lo que se hizo para SPSS o R), pero no estoy seguro de que sea necesario. Para ser justos, necesitaría explorar esto más a fondo para estar seguro, ya que no he mirado en detalle el documento de pendientes simples. De todos modos, aquí hay algunas cosas para ver si tal script sería necesario.
¡El generador de perfiles de predicción es tu amigo! Al arrastrar el valor de Z en el generador de perfiles, se mostrarán varias pendientes simples para X. Esta es una forma poderosa de ver las pendientes X para CUALQUIER configuración de Z en lugar de solo unas pocas seleccionadas. El generador de perfiles de predicción también proporciona bandas de error para evaluar la importancia estadística de esa pendiente X. Si las bandas pudieran contener una línea horizontal, no significativa.
Agregue Interaction Profiler desde el triángulo emergente rojo. Eso mostrará la pendiente para la configuración Z más baja Y la configuración Z más alta.
Finalmente, su documento tiene la oración: "La recomendación habitual es centrar las variables predictoras restando la media de cada una y luego calculando el término de interacción". Cuando su Z es continuo, JMP lo hará automáticamente. Por lo tanto, JMP está siguiendo la recomendación habitual que permite una forma sencilla de implementar la idea de pendientes simples.
Sugeriría tomar un conjunto de datos resuelto con todos los cálculos de pendientes simples y ejecutarlo a través de JMP para ver dónde coinciden los cálculos resueltos con la salida de JMP.
Re: Interacciones en regresión OLS y pendientes simples.JMP enfatiza la visualización para comprender la naturaleza de las 'pendientes simples' o el perfil del efecto de un factor mientras se mantiene otro factor en un nivel determinado.
Haga clic en el triángulo rojo junto a Ajustar mínimos cuadrados y seleccione Perfilado de factores > Analizador. Este gráfico interactivo se basa en el modelo completo, pero muestra el perfil de cada factor individualmente. No necesita la pendiente condicional en sí porque JMP traza la línea, la curva o el perfil por usted. Esta misma visualización está disponible para todos los modelos en JMP.
Consulte Ayuda > Libros > Perfiladores para obtener más información y ejemplos.
Re: Interacciones en regresión OLS y pendientes simples.Eso es diferente a la forma en que entiendo que desglosar el trabajo de las interacciones.
http://web.pdx.edu/~newsomj/mvclass/ho_simple%20slopes.pdf
este procedimiento se realiza muy fácilmente a través de la macro Process para SPSS o mediante un script R simple.
Realmente espero que haya una solución para esto a través de JMP ...
Re: Interacciones en regresión OLS y pendientes simples.Debe utilizar la plataforma Ajustar mínimos cuadrados para incluir un término para un efecto de interacción en el predictor lineal. El informe Estimaciones de parámetros proporciona la estimación (pendiente), los errores estándar y las proporciones t. Por ejemplo:
Entonces el efecto (pendiente) de la altura para sex=F es 4.087601 + 0.6869481 y para sex=M es 4.087601 - 0.6869481.
