모든 가능한 모델 다중 회귀 - 모델 간 R2 변화 평가안녕하세요 여러분,
JMP를 처음 접했습니다. DV를 예측하는 최상의 IV 모델을 찾으려고 모든 하위 집합 다중 회귀 분석을 수행했습니다. AICc, BIC 및 Mallows를 기반으로 가장 잘 보이는 모델이 있습니다. 그러나 유사한 AICc 등을 갖지만(더 나쁘기는 하지만) 더 잘 조정된 R2를 갖는 추가 변수가 하나 있는 또 다른 모델이 있습니다. SPSS에서 할 수 있듯이 JMP에서 두 모델 간의 R2 변화("R2 변화")를 통계적으로 비교하는 방법이 있습니까? 이 R2 증가가 통계적으로 유의미한지 평가하고 싶습니다. 유의미하지 않을 것으로 생각하고 덜 복잡한 모델을 고수해야 할 것 같습니다.
감사합니다.
필
고급 통계 모델링Re: 모든 가능한 모델 다중 회귀 - 모델 간 R2 변화 평가안녕하세요 @philc86 , 환영합니다! 모델 간 차이가 잠재적 변수 중 하나일 뿐이라면(당신이 설명한 대로), 그 추가 변수에 대한 p-값이 당신이 찾는 것입니다(R^2의 유의미한 증가를 테스트하는 것과 동일). 그리고 일반적으로 다음을 참조하세요.
https://www.stat.uchicago.edu/~yibi/teaching/stat224/L04.pdf
Re: 모든 가능한 모델 다중 회귀 - 모델 간 R2 변화 평가안녕하세요 MRB3855,
감사합니다. 네, 새로운 변수를 추가했을 때 통계적으로 R2가 유의미하게 증가하는지 테스트하고 싶습니다. SPSS에서 계층적 회귀(블록 1에 추가 변수를 제외한 모든 변수를 추가한 다음 블록 2에 추가 변수를 추가)를 사용하여 이를 수행할 수 있습니다. 하지만 JMP에서 이를 수행하는 방법을 알 수 없습니다. 이를 수행하는 방법을 아십니까? 하나의 통계 프로그램만 계속 사용하는 것이 좋습니다.
필
Re: 모든 가능한 모델 다중 회귀 - 모델 간 R2 변화 평가안녕하세요 @philc86 : 하나 이상의 추가 변수에 대해 JMP에서 직접 할 수 있는 방법이 보이지 않습니다(제가 뭔가 놓친 게 아니라면). 제가 링크를 제공한 기사에 그 방법이 설명되어 있지만, 직접 계산하는 데 필요한 정보를 얻으려면 두 가지 모델(전체 및 축소)을 실행해야 합니다(31~33페이지 참조). JMP의 향후 버전에서 이 기능을 보고 싶다면 JMP "Wish List"에 추가할 수 있습니다. https://community.jmp.com/t5/JMP-Wish-List/idb-p/jmp-wish-list
그리고 여기 그 방법을 알려주는 영상을 만든 사람이 있습니다.
https://www.youtube.com/watch?v=OwXHkoLOse8
Re: 모든 가능한 모델 다중 회귀 - 모델 간 R2 변화 평가커뮤니티에 오신 것을 환영합니다 @philc86 !
안녕하세요 @MRB3855 ,
귀하의 제안이나 @philc86 초기 수요와 직접 관련이 없지만, 플랫폼을 사용하기 위한 조건이 충족되면 Fit Two Level Screening Platform ( Fit Two Level Screening Platform 개요(jmp.com) )은 중요한 활성 용어를 식별하고 모델 선택을 도울 수 있습니다. 효과는 계층적 순서에 따라 분석에 입력됩니다.
이 플랫폼은 DoE, Classical, Factor Screening, Fit Two Level Screening에서 찾을 수 있습니다.
이것이 토론에 도움이 되기를 바랍니다.
Re: 모든 가능한 모델 다중 회귀 - 모델 간 R2 변화 평가안녕하세요 @philc86 ,
JMP Pro에서 이를 수행할 수 있는 한 가지 방법은 SEM 플랫폼을 사용하는 것입니다. 전체 모델, 제한된 모델을 지정한 다음 차이에 대한 통계적 검정을 제공합니다. 이 검정은 카이제곱이지만 계층적 회귀의 R^2와 동일한 추론으로 이어질 것입니다.
실제로 다중 회귀 모델은 Fit Model 플랫폼과 동일한 결과로 SEM에 적합할 수 있습니다. SEM에서 이 분석을 수행하는 한 가지 특별한 장점은 기본적으로 최첨단 알고리즘으로 누락된 데이터를 처리하므로 데이터가 버려지지 않아 전력이 증가한다는 것입니다.
이전에 SEM을 사용한 적이 없다면 배우는 데 약간의 시간이 걸릴 수 있지만, 도움이 될 수 있도록 여기에 몇 가지 JSL 스크립트를 포함했습니다.
1) "Compare_FitModel_to_SEM.jsl"에서 스크립트를 실행하면 Fit Model 플랫폼과 SEM 플랫폼을 사용한 다중 회귀의 결과가 표시됩니다. 출력을 나란히 보면 동일한 결과를 볼 수 있습니다.
2) 스크립트 "Hierarchical_Regression_in_SEM.jsl"은 동일한 SEM 보고서에 두 가지 모델을 적용합니다. 결과를 예측하는 모든 변수가 있는 전체 모델과 결과에 영향을 미치지 않는 하나(또는 그 이상)를 제외한 모든 변수가 있는 제한된 모델입니다. SEM 경로 다이어그램에서 회귀 효과는 화살표로 표시되어 있으므로 전체 모델에 모든 효과가 있는 것을 확인할 수 있습니다.
그리고 제한된 모델은 하나의 효과가 0으로 고정되어 있습니다.
이 예에서 카이제곱 차이 검정은 한 변수의 효과를 0으로 고정함으로써 통계적으로 유의미한 양의 부적합이 발생함을 보여줍니다.
따라서 우리는 전체 모델이 더 나은 모델이라는 결론을 내렸습니다.
SEM에서 이를 수행하는 데 있어서 한 가지 가능한 단점은 예측 변수의 분산과 공분산이 모두 모델의 일부로 추정되므로 모든 것이 제대로 작동하려면 상당히 큰 표본 크기가 필요할 수 있다는 것입니다. 또한 범주형 예측 변수가 있는 경우 숫자형 이진 변수(다중 회귀의 더미 코드 변수와 같음)로 입력해야 합니다.
하티에이치티,
~로라
