786203_it-IT

liliconcom

Tutti i possibili modelli di regressione multipla - valutazione della variazione di R2 tra i modelli

Ciao a tutti,

Relativamente nuovo su JMP. Ho eseguito una regressione multipla di tutti i sottoinsiemi mentre cercavo di trovare il miglior modello di IV che predicesse il mio DV. Sulla base di AICc, BIC e Mallows c'è un modello che sembra il migliore. Tuttavia, c'è un altro modello che ha una variabile aggiuntiva che ha AICc simile ecc. (anche se peggiore), ma un R2 meglio aggiustato. C'è un modo in JMP per confrontare statisticamente la variazione di R2 tra i due modelli ("variazione di R2"), come si può fare con SPSS? Voglio valutare se questo aumento di R2 è statisticamente significativo. Sospetto di no e dovrei attenermi al modello meno complicato.

Grazie molto,

Filone

Modellazione statistica avanzataRe: Tutti i possibili modelli di regressione multipla - valutazione della variazione di R2 tra i modelli

Ciao @philc86 , e benvenuto! Se la differenza tra i modelli è solo una delle variabili potenziali (come descrivi), allora il valore p per quella variabile aggiuntiva è ciò che stai cercando (lo stesso del test per un aumento significativo di R^2). E, in generale, vedi quanto segue:

https://www.stat.uchicago.edu/~yibi/teaching/stat224/L04.pdf

Re: Tutti i possibili modelli di regressione multipla - valutazione della variazione di R2 tra i modelli

Ciao MRB3855,

Grazie per questo. Sì, voglio testare se c'è un aumento significativo di R2 statisticamente parlando aggiungendo nuove variabili. In SPSS posso farlo usando la regressione gerarchica (aggiungendo tutte le variabili tranne quella aggiuntiva al blocco 1, quindi aggiungendo la variabile aggiuntiva nel blocco 2). Non riesco a vedere come farlo in JMP, tuttavia. Sai come farlo? Preferirei continuare a usare solo un programma di statistica.

Filone

Re: Tutti i possibili modelli di regressione multipla - valutazione della variazione di R2 tra i modelli

Ciao @philc86 : Per più di una variabile aggiuntiva, non vedo un modo per farlo direttamente in JMP (a meno che non mi manchi qualcosa). L'articolo per cui ho fornito un collegamento descrive come farlo, ma dovrai eseguire i due modelli (completo e ridotto) per ottenere le informazioni di cui hai bisogno (vedi pagine da 31 a 33) per effettuare i calcoli da solo. Se desideri vedere questa capacità in una versione futura di JMP, puoi aggiungerla alla "Wish List" di JMP. https://community.jmp.com/t5/JMP-Wish-List/idb-p/jmp-wish-list

Ed ecco qualcuno che ha realizzato un video su come farlo.

https://www.youtube.com/watch?v=OwXHkoLOse8

Re: Tutti i possibili modelli di regressione multipla - valutazione della variazione di R2 tra i modelli

Benvenuto nella community @philc86 !

Ciao @MRB3855 ,

Non direttamente correlato ai tuoi suggerimenti o alla richiesta iniziale di @philc86 , ma se vengono soddisfatte le condizioni per utilizzare la piattaforma The Fit Two Level Screening Platform ( Panoramica della piattaforma Fit Two Level Screening (jmp.com) ), potrebbe aiutare a identificare termini attivi importanti e facilitare la selezione del/i modello/i. Nota che gli effetti vengono inseriti nell'analisi seguendo un ordine gerarchico.

Questa piattaforma è disponibile in DoE, Classico, Screening fattoriale, Screening a due livelli.

Spero che questo possa aiutare la discussione,

Re: Tutti i possibili modelli di regressione multipla - valutazione della variazione di R2 tra i modelli

Ciao @philc86 ,

Un modo per farlo in JMP Pro è usare la piattaforma SEM; ti consente di specificare il modello completo, il modello ristretto e poi ti fornisce un test statistico della differenza. Questo test è un chi-quadrato ma porterà alla stessa inferenza di R^2 nella regressione gerarchica.

In effetti, un modello di regressione multipla può essere adattato nel SEM con gli stessi risultati della piattaforma Fit Model. Un vantaggio particolare di questa analisi nel SEM è che gestisce i dati mancanti con un algoritmo all'avanguardia di default, quindi nessun dato viene scartato, il che porta a una maggiore potenza.

Se non hai mai utilizzato SEM prima, è necessario imparare un po' di più. Tuttavia, ho incluso un paio di script JSL nel caso in cui possano essere utili:

1) L'esecuzione dello script in "Compare_FitModel_to_SEM.jsl" ti mostrerà i risultati di una regressione multipla utilizzando la piattaforma Fit Model e la piattaforma SEM. Puoi guardare l'output fianco a fianco per vedere gli stessi risultati:

2) Lo script "Hierarchical_Regression_in_SEM.jsl" adatta due modelli nello stesso report SEM; il modello completo, che ha tutte le variabili che prevedono il risultato, e il modello ristretto, che ha tutte le variabili tranne una (o più) senza un effetto sul risultato. Nel diagramma del percorso SEM, un effetto di regressione è rappresentato come una freccia, quindi puoi vedere che il modello completo ha tutti gli effetti:

e il modello ristretto ha un effetto fissato a zero:

In questo esempio, il test della differenza del chi-quadrato mostra una quantità statisticamente significativa di disadattamento indotta fissando l'effetto di una variabile a zero:

Pertanto concludiamo che il modello completo è il modello migliore.

Uno svantaggio possibile di fare questo in SEM è che le varianze e le covarianze dei predittori sono tutte stimate come parte del modello e, quindi, potrebbe essere necessario un campione ragionevolmente ampio affinché tutto funzioni correttamente. Inoltre, se si hanno predittori categoriali, devono essere inseriti come variabili binarie numeriche (come variabili fittizie codificate nella regressione multipla).

Ciao,

~Laura