동일한 다중 회귀 분석을 사용하여 매개변수 추정치의 차이.여러분 모두에게,
저는 JMP를 사용하여 진입 연령(AAE)과 흡연 상태가 미토콘드리아 기능 측정(연속)에 미치는 영향을 평가했습니다. 흡연 상태는 다중 회귀 분석을 사용하여 1 또는 0(예, 아니요)으로 코딩했습니다.
저는 이 모든 것을 적합 모델에 입력했습니다 - Y = 미토콘드리아 매개변수, 구성 모델 효과 - AAE 및 흡연 상태, 그리고 표준 최소 제곱 모델을 실행했습니다. 이 출력은 SPSS에서 동일한 데이터를 사용하여 동일한 분석에 대해 다른 매개변수 추정치를 생성한다는 것을 알았습니다.
그런 다음 JMP로 돌아가 분석을 수행했지만 일반화 회귀 옵션을 사용하고 추정 방법으로 표준 최소 제곱법을 선택했습니다. 이에 대한 출력은 원래 최소 제곱법 분석(상수와 매개변수 추정치가 다름)과 SPSS 모델과 달랐습니다. 전체 R2, 조정된 R2 등은 모두 동일했습니다.
나이와 흡연 상태를 어떤 모델에 입력하더라도 나이와 흡연 상태에 따라 보정된 미토콘드리아 측정값은 동일할 것으로 생각하지만, 세 가지 모델 모두에서 매개변수 추정치와 상수가 다른 이유를 알고 싶습니다.
아래에 모델 출력의 스크린샷을 첨부했습니다.
고급 통계 모델링기본 데이터 분석 및 모델링Re: 동일한 다중 회귀 분석을 사용한 매개변수 추정치의 차이.안녕하세요 @philc86 ,
다양한 방법을 통해 얻은 매개변수 추정치를 비교하고 있습니다.
SPSS 출력은 추정치가 "표준화되지 않음"을 보여줍니다. 원래 변수를 중앙에 두고 표준화하면 Fit Model 플랫폼과 동일한 출력이 나옵니다.
이것이 당신에게 도움이 되기를 바랍니다.
Re: 동일한 다중 회귀 분석을 사용한 매개변수 추정치의 차이.Victor_G가 더 철저한 답변을 제공했지만, 한 가지 추가하고 싶은 점이 있습니다. JMP와 SPSS 최소 제곱 출력은 귀하가 제공한 내용과 동일합니다. 흡연 상태 변수는 2에서 다르게 처리됩니다. JMP에서 표시된 값의 계수는 두 값의 평균과 비교한 해당 값(0)에 대한 것입니다. 따라서 흡연과 비흡연의 차이는 해당 계수의 두 배 크기입니다. 이는 SPSS에서 보여주는 내용과 정확히 일치합니다. 따라서 이 두 출력 사이에는 실제로 차이가 없습니다.
Re: 동일한 다중 회귀 분석을 사용한 매개변수 추정치의 차이.안녕,
네, 방금 이걸 알아챘어요. 정말 고맙습니다!
Re: 동일한 다중 회귀 분석을 사용한 매개변수 추정치의 차이.안녕하세요 Victor_G,
이렇게 포괄적인 답변을 주셔서 정말 감사합니다. 중심화에 대해 말씀하신 내용을 감안할 때, 일반화 회귀 접근 방식보다는 적합 모델 접근 방식을 사용하는 것이 "최선"이라고 생각하는 것이 옳습니다. 제 주요 목표는 회귀선을 사용하여 주어진 연령과 흡연 상태에 대한 값을 예측하는 것입니다.
감사합니다.
필
Re: 동일한 다중 회귀 분석을 사용한 매개변수 추정치의 차이."손에 든" 데이터를 어떻게 분석하든, 얻은 모델이 나이와 흡연에 기반한 합리적인 예측을 제공하는지는 초기 연구가 미래의 "조건"을 얼마나 대표 했는지에 전적으로 달려 있습니다. 모든 분석 통계(예: p-값, R-제곱, RMSE 등)는 열거형입니다. 손에 든 데이터를 설명하는 것뿐입니다.
Re: 동일한 다중 회귀 분석을 사용한 매개변수 추정치의 차이.안녕하세요 @philc86 ,
일반화 회귀에서는 중심화 및 확장된 예측 변수에 대한 매개변수 추정치를 여전히 표시할 수 있으므로 중심화(및 확장)를 사용하여 매개변수 추정치를 얻을 수 있습니다.
가장 좋은 옵션은 없으며 예측에 영향을 미치지 않지만 실제로는 연속 변수인 연령과 명목 요인 흡연 상태에 대한 반응의 변화를 어떻게 고려하고 결과를 어떻게 사용하고 해석할 것인지에 달려 있습니다.
- 일반화 회귀에서 "흡연 상태[아니오-예]"에 대한 추정치는 해당 수준에서의 평균 반응[아니오]과 마지막 수준에서의 평균 반응[예]의 차이에 대한 추정치입니다( 일반화 회귀 성격 시작 참조). 따라서 이 두 명목 수준 간의 변화의 크기와 부호를 직접 나타냅니다.
- 적합 모델에서 "흡연 상태[예]"에 대한 추정치는 해당 수준에서의 평균 반응[예]과 전체 평균 반응[예+아니요]의 차이에 대한 추정치입니다. 따라서 이 요인 수준의 영향을 두 수준에 대한 평균 반응과 비교하는데, 이 경우에는 유용하지 않을 수 있습니다(흡연 상태가 아닌 개인이나 둘 다 없을 것입니다). 명목/서수 요인이 2수준인 경우 적합 모델 보고서에서 두 수준의 추정치를 합산하여 두 수준 간의 변동을 추정할 수 있습니다. 예를 들어, 흡연자에서 비흡연자로의 반응 변동을 계산하려면 수준 예의 음수 추정치와 수준 아니요의 추정치 값을 더하기만 하면 됩니다. 일반화 회귀 플랫폼의 추정치와 동일한 값을 찾을 수 있습니다.
이 주제에 대한 토론과 플랫폼과 명목/서수 코딩 간의 비교는 여기에서 확인할 수 있습니다.
https://community.jmp.com/t5/Discussions/Random- effect-test/mp/659523/highlight/true#M84878
어떤 모델/플랫폼을 사용하든 모델이 충분한 정밀도와 대표성 있는 샘플을 갖추고 작업에 적합하다면 주어진 연령과 흡연 상태에 대한 값을 정확하게 예측할 수 있습니다.
이것이 상황을 명확히 하는 데 도움이 되기를 바랍니다.
