772854_ja-JP

liliconcom

ステップワイズ回帰問題

JMPのFit Model - Stepwise機能を使用してモデルを選択中に、次の問題が発生しました。

1. 相互作用項が重要であるが主効果が重要でない場合、主効果はモデルから除外され、相互作用項も除去される。
2. 相互作用や高次項目が有意な場合は、有意でなくても主効果を維持しなければならないことを理解します。
3. P値しきい値に加えてAIC / BIC基準を使用しても、逆方向選択中に主効果は排除されます。

これらの問題に関して、あなたがお持ちの解決策や推奨事項をお知らせいただきありがとうございます。

これは、添付データを使用して1次相互作用港湾を持つ4つの要因を考慮すると、Y1で発生しました。

JMPステップバイステップの選択	第6段階

相互作用抗因因子1 *因子4は依然として有意ですが、要因1は有意ではないため削除されました。

Re: ステップワイズ回帰の問題

ステップワイズのルールはわかりにくい場合があります。 遭遇した問題は「結合」ルールです。 JMP ヘルプから:

組み合わせる

計算する 先行例のある用語のエントリを考慮する場合の2つの別々のテストのp値。最初の p値、 p 1は、用語をその先行用語とグループ化し、そのグループの有意確率を結合としてテストすることによって計算されます。 ふ テスト。2番目 p値、 p 2 は、先行用語がすでにモデルに入力された後に用語のエントリの有意確率をテストした結果です。先行用語がある用語のエントリの最終的な有意確率はmax( p 1 、 p2 ） 。

ヒント： Combineルールは、先行項が特に強い効果を持つ可能性がある、有意でない相互作用項を含めることを回避します。このシナリオでは、強い主効果により、グループのエントリの有意確率が p 1 、非常に小さい。しかし、2番目の検定では、相互作用自体は有意ではないことが判明しました。結果として、 2ページ は大きく、エントリの最終的な有意確率として使用されます。

注意： 先行語のある用語の自由度の値は、2つのエントリの有意確率のどちらが大きいかによって決まります。エントリの最終的な有意確率に使用されるテストによって自由度が決定されます。 nDF 、現在の推定値表に記載されています。したがって、 1ページ 使用されている、 DF の は、ジョイントテストのグループ内の項の数に等しく、 2ページ が使用される場合、nDF は 1 になります。

結合オプションはデフォルトのルールです。 交差項、相互作用項、または多項式項を含むモデル。

さて、コメントに戻りましょう。Combine ルールで実行される 2 つのテストにより、重要でない項が相互作用の削除を促しています。これを回避する 1 つの方法は、ルールを「制限」に変更することです。これを実行した場合の結果は次のとおりです。

これらはあなたが期待していた結果だと思います。

Re: ステップワイズ回帰の問題

JMP 18以降では、Stepwiseプラットフォームで遺伝を尊重するオプションがあります。

 

.

Re: ステップワイズ回帰の問題

こんにちは、ダン。これは私が探していた結果です。適切なオプションを提案していただきありがとうございます。しかし、ステップワイズ回帰に​​関連するオプションについてはまだ混乱しています。「制限」は、マニュアルでは「先行する用語を制限し、先行する用語が入力されるまでは入力できないようにします」と定義されています。これは、相互作用が有意である場合に主効果を含めることとは異なるルールのようです。さらに、ドンが言及した「遺伝を尊重する全体効果」オプションは異なる結果を示しています。理解を深めるために、より詳細な説明をいただけませんか? 本当にありがとうございました。

Re: ステップワイズ回帰の問題

@HyeWonJung が、2 つ以上のレベルを持つカテゴリ用語を持つモデルで Combine、Restrict、No Rules、Whole Effect を使用することは、何が起きているかを示す良い方法です。例として、Cars 1993 データ セットを使用して次のモデルを適合させます。Vehicle Category には、次の優先順位の 5 つのレベルがあります。

1. {バン&大型&中型&スポーティ&コンパクト–小型}
2. {バン - 大型＆中型＆スポーティ＆コンパクト}
3. {大型&中型 – スポーティ&コンパクト}
4. {大～中サイズ}
5. {スポーツ–コンパクト}

これが、Stepwise が 1 自由度のコントラストを作成する方法です。これは、Partition が分割を作成するために使用するのと同じアプローチです。高速道路の走行距離を Y に、車両カテゴリを唯一の X にして Partion を実行すると、分割はまさにこの順序で発生します。個人的には、この方法で作成されたコントラストは解釈可能性に欠けることが多いため、一般化回帰が個々のレベルに基づいて 1 自由度のコントラストを作成する方法の方が好ましいと思います。これらのコントラストを C1 ～ C5 と呼びます。

停止ルールを P 値しきい値に変更し、Prob to Enter を 0.40 に設定します。方向は Forward のままにします。

ルールなしで開始します。用語が入力されなくなるまで [ステップ] をクリックします。用語は次の順序で入力されます。

1. 重さ
2. 車両カテゴリー（C2）*重量
3. 車両カテゴリー（C1）*重量
4. 車両カテゴリー（C2）
5. 車両カテゴリー（C4）*重量
6. 車両カテゴリー（C1）

非常に簡単です。優先順位に関係なく最小の p 値を見つけ、モデル外部で p 値が 0.4 以下になるまで追加を続けます。

「すべて削除」をクリックし、「結合」を繰り返します

1. 重さ
2. 車両カテゴリー (C1) * 重量および車両カテゴリー (C1)
3. 車両カテゴリー（C2）
4. 車両カテゴリー (C4) および車両カテゴリー (C3)
5. 車両カテゴリー（C5）

ステップ 2 と 4 では、2 つの効果が同時に追加されていることに注意してください。いずれの場合も、両方の項の p 値が個別に計算されます。ステップ 2 の場合、最初に追加された項は相互作用ですが、ステップ 4 の場合は対比です。また、車両カテゴリ (C2) * 重量は、ルールなしのケースで 2 番目に追加された項であるにもかかわらず、モデルに含まれていないことに注意してください。これは、テスト時に個々の車両カテゴリ (C2) は有意であったが、車両カテゴリ (C2) がモデルに含まれていると車両カテゴリ (C2) * 重量は有意ではなかったためです。これが Combine の動作です。

制限についても同じことをする

1. 重さ
2. 車両カテゴリー（C1）
3. 車両カテゴリー（C1）*重量
4. 車両カテゴリー（C2）

これは Combine に似ていますが、項が 1 つずつ追加されます。対比 C3 と C4 は、C3 (C4 の前) の p 値が大きすぎてモデルに入力できなかったため、Restrict では追加されませんでした。ただし、Combine は、モデルに C3 と C4 の両方がある場合と、C3 がモデルに追加された後の C4 の場合の p 値を計算します。どちらも 0.4 のカットオフよりも小さくなります。

最後に、全体的な効果

1. 重さ
2. 重量*車両カテゴリー（すべてのコントラスト）

ここで、全体的な効果とは、統計的な遺伝ではなく、あらゆる効果におけるすべての対比を指します。この場合、相互作用の p 値は小さくなり、モデルに追加されると、車両カテゴリの主効果の p 値が大きくなりすぎて考慮できなくなります。

これを遺伝を尊重する全体効果でもう一度実行すると、ステップ 2 の相互作用に主な効果が追加されます。

これが意味を成すといいのですが。質問があればお知らせください。

Re: ステップワイズ回帰の問題

私のコメントは、あなたがお持ちの状況、つまりすべて連続変数に当てはまります。カテゴリ要因がある場合は、少し複雑になりますが、Don は長い投稿でその点をうまく指摘していると思います。ところで、Don が指摘した新しいオプションには気付いていませんでした。JMP ヘルプで非常によく説明されていると思います。

制限については、交互作用 (および二次方程式、つまり前例のある項) を制限し、前例が入力されるまでは交互作用を入力できないようにします。言い換えると、主効果が入力されるまでは交互作用をモデルに入力できません。この状況では、因子 1 と因子 2 の両方がモデルに入力されたため、因子 1*因子 2 の入力を評価できます。ただし、結合とは異なり、制限ではその項に対して 2 つのテストではなく 1 つのテストのみを実行します。

Re: ステップワイズ回帰の問題

@dobudo @DonMcCormackありがとう!!

あなたの説明のおかげで、私はそれぞれのオプションを詳しく調べ、それぞれのオプションの仕組みを理解しました。