Ciao, sono molto nuovo nell'analisi delle statistiche e ho quella che probabilmente è una domanda molto semplice ..
Ho difficoltà a interpretare i risultati di un'analisi di regressione logistica che ho eseguito con alcuni dati semplici.
Ho un set di dati di querce in due diversi tipi di foresta e sto chiedendo in che modo le dimensioni e il tipo di foresta influiscono sul destino (integro o danneggiato) dopo un evento di uragano.
Quindi, Y = destino, X = dimensione (variabile continua) e tipo di foresta (due categorie, foresta giovane e foresta matura).
Quando eseguo la regressione con entrambe le variabili incluse, nessuna delle due è significativa. L'ho anche eseguito con una variabile di interazione (dimensione * tipo di foresta) e, ancora una volta, nulla è significativo.
Questo è stato in qualche modo sorprendente, perché sulla base dei dati mi aspettavo che entrambe le variabili fossero significative (o vicine).
Quindi ho eseguito una regressione logistica con una variabile alla volta, solo per vedere cosa è successo. La dimensione non era significativa. Con solo il tipo di foresta come variabile, tuttavia, era significativo, con gli alberi danneggiati che avevano maggiori probabilità di trovarsi nelle foreste mature.
Ho difficoltà a capire cosa significhi. La dimensione e il tipo di foresta sono correlati (la dimensione è significativamente maggiore nelle foreste mature) e ci sono ragioni ecologiche per cui entrambe influenzerebbero fortemente il destino. Non capisco perché solo il tipo di foresta sia significativo, a meno che non vi sia una variazione tra i tipi di foresta (diversa dalla dimensione) che è molto importante qui - il che potrebbe benissimo essere il caso - ma allora perché il tipo di foresta non è ancora significativo quando viene aggiunto nel modello con la taglia?
È che la dimensione sta influenzando il destino, ma non abbastanza per essere statisticamente significativa, e quindi quando è inclusa spiega alcune delle variazioni, e questo sta in qualche modo cancellando il segnale dal tipo di foresta?
Ovviamente non ne capisco abbastanza del funzionamento interno dei modelli LR... ogni consiglio è apprezzato!
La correlazione tra dimensione e tipo di foresta indica che gli errori standard delle stime dei parametri sono gonfiati. Questa inflazione riduce la potenza del T -test utilizzati per valutare le stime, rendendole meno significative quando sono insieme nel modello rispetto a quando sono modellate separatamente. Puoi condividere la correlazione tra questi due predittori?
Potresti anche considerare di non separare i dati da Genius. I tuoi test saranno più potenti. Aggiungi semplicemente Genius come un altro effetto (termine) nel modello. È possibile aggiungere termini incrociati agli effetti di interazione del modello se si ritiene che l'effetto di Dimensione o Tipo di foresta dipenda dal Genius.
