Comprender el modelo de regresiónEn la regresión múltiple, tengo una variable con un valor p alto (no significativo), pero la potencia estimada es baja. ¿Eso significa que necesitamos más datos para descartar la variable?
Modelado estadístico avanzadoAnálisis y modelado de datos básicosRe: Comprensión del modelo de regresiónEl análisis de potencia retrospectivo (aquí) no es una buena idea. La mejor idea en el caso de un experimento de detección es diseñar el estudio con una potencia prospectiva aceptable y luego aceptar el resultado. Has descartado este factor.
Re: Comprensión del modelo de regresiónHola marcos,
¿Podrías explicar esto un poco más? En este caso particular, tengo datos no diseñados, por lo que no se realizó un análisis de potencia.
¡Muchas gracias por tu ayuda!
Re: Comprensión del modelo de regresiónPuede utilizar su conjunto de datos para iniciar un diseño. Primero debe agregar las propiedades de la columna DOE esperadas. Agregue la propiedad Límites de respuesta a la columna Y. Agregue la propiedad Codificación a los factores X continuos. Agregue las propiedades Rol de diseño y Cambios de factor adecuadas a todos los factores X.
Seleccione DOE > Aumentar diseño y asigne los roles correctos a las columnas de datos. Luego, haga clic en Aceptar. Puede modificar los rangos de los factores en este punto si lo considera necesario. Tenga en cuenta que el uso de rangos razonablemente amplios para los factores continuos mejora la potencia porque provocará un efecto mayor si lo hay. Puede modificar los términos en el modelo. Incluya los términos que desea probar.
Especifique la cantidad de ejecuciones. Esta cantidad debe incluir la cantidad de filas en el conjunto de datos original. Por ejemplo, si tiene 10 filas y desea considerar 5 ejecuciones más, ingrese 15. Puede usar la sección Evaluación del diseño para decidir si los cambios parecen razonables. El análisis de potencia puede ser particularmente importante para usted.
Re: Comprensión del modelo de regresiónHola @DOE_USER : Hay mucha información sobre este tema. Aquí te dejo solo unas pocas.
https://library.virginia.edu/data/articles/post-hoc-power-calculations-are-not-useful
https://tidsskriftet.no/es/2019/01/medisin-og-tall/statistical-power-not-after
https://www.sciencedirect.com/science/article/abs/pii/S1527336909001809
Una cosa que hay que recordar es que potencia es otra palabra para probabilidad (en particular, la probabilidad de rechazar la hipótesis nula cuando la hipótesis alternativa es verdadera). Pero, y este es un gran "pero", una vez que algo ha sucedido (datos observados) no hay probabilidad asociada con ello. Tomemos el tiempo, por ejemplo; está lloviendo ahora o no... no hay probabilidad asociada con ello. Un análisis de potencia retrospectivo intenta responder a la (no) pregunta de "ahora que sabemos que no está lloviendo, ¿cuál habría sido la probabilidad de que lloviera?". Es un ejercicio inútil (y lleno de problemas como se indica en los enlaces anteriores).
