변수 이름 옆에 {0-1}이 있는 단계적 회귀 분석의 더미 변수 해석단계적 회귀 분석에서 더미 변수를 해석하는 방법에 대한 간단한 질문입니다.
남성 = 1, 하위 클러스터 = 1로 코딩된 각각 2개의 범주(하위 클러스터와 상위 클러스터, 남성과 여성)가 있는 두 개의 범주형 변수가 있습니다.
아래 스크린샷의 "매개변수" 아래 범주형 변수 이름 옆에 있는 { 0 - 1 } 때문에 혼란스럽습니다. 성별 변수를 살펴보겠습니다. 이는 값 1(남성)의 계수가 0.947이라는 의미입니까, 아니면 값 0(여성)의 계수가 0.947이라는 의미입니까?
기본 데이터 분석 및 모델링데이터 탐색 및 시각화Re: 변수 이름 옆에 {0-1}이 있는 단계적 회귀 분석의 더미 변수 해석안녕하세요 @AlphaStarfish74 ,
커뮤니티에 오신 것을 환영합니다!
사용하는 모델링 플랫폼에 따라 명목 요인의 코딩이 다를 수 있습니다. 요인을 직접 코딩할 필요는 없습니다. "성별" 열에 "남성/여성" 수준을 그대로 두거나 "클러스터 하위" 열에 "클러스터1/클러스터2" 수준을 그대로 둘 수도 있습니다.
"결합" 규칙을 사용하는 Stepwise 플랫폼에서 범주형 변수는 계층적 방식으로 코딩됩니다. 괄호 사이에 표시되는 값은 반응 평균을 가장 많이 구분하는 용어로 그룹화된 수준을 보여줍니다. 귀하의 경우에는 각 범주형 요인에 대해 두 개의 수준만 있으므로 L1 및 L2에는 요인의 해당 수준 이름이 있는 {L1-L2}만 표시됩니다.
계산된 모수 추정치와 관련하여 이는 고려된 요인에 대해 수준 L2에서 L1로 이동할 때({L1-L2} 표기법 사용) 평균 반응의 절반 차이를 나타냅니다. 따라서 "성별"의 경우 수준을 1에서 0으로 변경하면 평균 응답이 해당 추정치의 2배, 즉 약 1,896배 증가하게 됩니다.
다양한 플랫폼의 요인 명목 코딩에 대한 자세한 내용은 여기에서 확인할 수 있습니다. 명목효과와 순서효과가 있는 모델
그리고 모델의 명목 요소에 대한 예는 다음과 같습니다. 명목항이 있는 모형의 예
이 답변이 도움이 되길 바라며,
Re: 변수 이름 옆에 {0-1}이 있는 단계적 회귀 분석의 더미 변수 해석안녕하세요, 답변 정말 감사드립니다. 정말 감사드립니다! 제공된 링크는 훌륭합니다.
두 번째 추측을 하게 된 것은 명목형 변수만 실행했을 때 여성이 더 부정적인 것처럼 보였지만 최종 모델에 추가했을 때 더 긍정적인 것처럼 보였다는 것입니다.... 기호가 왜 이전에서 바뀌었는지 잘 모르겠습니다. "-"에서 "+"로
대
왜 그럴 수 있는지에 대한 생각이 있습니까?
Re: 변수 이름 옆에 {0-1}이 있는 단계적 회귀 분석의 더미 변수 해석안녕 @AlphaStarfish74 ,
답변이 도움이 되었다니 다행입니다!
두 번째 질문에는 "Sex"에 대한 모수 추정치가 다른 이유를 설명하는 두 가지 이유가 있을 수 있습니다.
- 동일한 효과를 포함하지 않는 두 모델(매우 다른 R²를 통해 매우 다른 설명 가능성 성능을 가짐)을 비교하고 있으므로 추정치가 달라집니다. 모델은 고정된 방정식이 아니며 포함된 효과(및 모델링/분석 유형)에 따라 변경됩니다. 첫 번째 경우 모든 응답은 Comp Score = Intercept + a1x[Sex]라는 매우 간단한 모델을 통해 모델링됩니다.
두 번째에는 추정할 계수가 여전히 동일하지만 "교육", "마을 클러스터" 및 기타 요인의 계수도 있습니다. 따라서 반응 값을 변경하지 않고 이러한 추가 요인의 영향을 고려하기 위해 Intercept 값뿐만 아니라 "Sex"에 대한 추정도 달라집니다.
- 모델링 플랫폼에 따라 명목 요인의 코딩이 다르며 이는 모수 추정 값의 차이도 설명할 수 있습니다. 여기에서 "Stepwise" 및 "Fit Model" 플랫폼을 통해 명목 요인 코딩에 대한 자세한 내용을 확인할 수 있습니다.
이 보완적인 답변이 모델의 차이점을 이해하는 데 도움이 되기를 바랍니다.
