こんにちは、私は統計分析に非常に慣れていないので、おそらく非常に基本的な質問があります..
いくつかの単純なデータで行ったロジスティック回帰分析の結果を解釈するのに問題があります。
私は 2 つの異なる森林タイプのオークの木のデータセットを持っており、サイズと森林タイプがハリケーン イベント後の運命 (無傷と損傷) にどのように影響するかを尋ねています。
したがって、Y = 運命、X = サイズ (連続変数)、および森林の種類 (若い森林と成熟した森林の 2 つのカテゴリ)。
両方の変数を含めて回帰を実行すると、どちらも重要ではありません。 また、相互作用変数 (サイズ * フォレスト タイプ) を使用して実行しましたが、ここでも重要なことは何もありません。
データに基づいて、両方の変数が有意 (または近い) であると予想していたため、これはやや驚くべきことでした。
そこで、何が起こったのかを確認するために、一度に 1 つの変数を使用してロジスティック回帰を実行しました。 サイズは重要ではありませんでした。 ただし、森林の種類だけを変数として使用すると、それは重要であり、損傷を受けた樹木は成熟した森林にある可能性が高くなります.
これが何を意味するのか頭を悩ませています。 サイズと森林のタイプは相関しており (成熟した森林ではサイズが大幅に大きくなります)、これらの両方が運命に強く影響するという生態学的な理由があります。 ここで非常に重要な (サイズ以外の) フォレスト タイプ間の変動がない限り、フォレスト タイプのみが重要である理由がわかりません。サイズのあるモデルに？
サイズが運命に影響を与えており、統計的に有意であるには十分ではなく、それが含まれている場合、それはいくつかの変動を説明しており、これは森林タイプからの信号を洗い流していますか?
私は明らかにLRモデルの内部動作について十分に理解していません...アドバイスをいただければ幸いです!
Size と Forest Type の間の相関関係は、それらのパラメーター推定値の標準誤差が膨らんでいることを意味します。 このインフレは、 t - 推定値を評価するために使用されるテスト。それらが別々にモデル化されている場合よりも、モデル内で一緒にある場合の方が重要である可能性が低くなります。 これら 2 つの予測因子間の相関関係を共有できますか?
Genius でデータを分離しないことも検討してください。 あなたのテストはより強力になります。 Genius を別の効果 (項) としてモデルに追加するだけです。 Size または Forest Type の効果が Genius に依存すると思われる場合は、交差項をモデルの相互作用効果に追加できます。
