Zrozumienie wyników regresji wielorakiej

Sarah

2011-03-17 01:55:08 UTC

view on stackexchange narkive permalink

Jestem studentką pierwszego roku psychologii. Prowadzę prace badawcze z profesorem, niestety materiały, których potrzebuję teraz, są objęte dopiero na moim drugim roku. Ale muszę już to wiedzieć teraz. Dlatego przeglądam wszelkie zasoby, które mogę znaleźć, aby szybko przyspieszyć. Potrzebuję pomocy, aby zrozumieć tę konkretną sytuację tutaj. Obejmuje SAS, analizę regresji.

Kiedy przeprowadziłem regresję w SAS (proc reg) używając dwóch zmiennych, powiedz a i b. Mam to. Rozumiem to jako stwierdzenie, że obie te zmienne (a&b) nie przewidują znacząco mojej zmiennej docelowej. Oto wyjście SAS.

  Analiza wariancji Suma średniego źródła DF Kwadraty Kwadrat Wartość F Pr > F Model 2 3,32392 1,66196 1,00 0,3774 Błąd 46 76,80649 1,66971 Skorygowana suma 48 80,13041 Pierwiastek MSE 1,29217 Kwadrat R 0,0415 Średnia zależna -0,23698 Adj R-Sq -0,0002 Coeff Var -545.26074 Parametr Estymaty Parametr Standardowa zmienna znormalizowana DF Błąd szacunkowy t Wartość Pr > | t | Oszacowanie Punkt przecięcia 1 -0,25713 0,18515 -1,39 0,1716 0 a 1 -0,35394 0,28797 -1,23 0,2253 -0,19510 b 1 -0,04706 0,39586 -0,12 0,9059 -0,01887

Teraz próbowałem uwzględnić interakcję i b do zdjęcia. Nazwijmy to aXb, teraz wyjście wskazuje, że a i aXb znacząco przewidują moją zmienną docelową.

  Analiza wariancji Suma średniego źródła DF Kwadraty Kwadrat Wartość F Pr > F Model 3 16,64439 5,54813 3,93 0,0142 Błąd 45 63,48602 1,41080 Skorygowana suma 48 80,13041 Root MSE 1,18777 R-Square 0,2077 Zależna średnia -0,23698 Adj R-Sq 0,1549 Coeff Var -501.20683 Szacunki parametrów Parametr Standardowa zmienna znormalizowana DF Szacunkowy błąd t Wartość Pr > | t | Oszacowanie Punkt przecięcia 1 -0,06807 0,18098 -0,38 0,7086 0 a 1 3,01517 1,12795 2,67 0,0104 1,66201 b 1-0,00994 0,36407 -0,03 0,9783 -0,00399 aXb 1 -1,13782 0,37029 -3,07 0,0036 -1,90743

Oto moje pytania: Nie wiem, co zrobić z tej sytuacji. Podsumowując, co to dla mnie oznacza? Odpowiadając na to pytanie, czy możesz uzupełnić je o jakieś zasoby, słowa kluczowe goog itp., Abym mógł dowiedzieć się więcej na ten temat.

Bardzo dziękuję za pomoc.

Ta dwójka razem nie powie ci nic więcej niż ta druga osoba sama! Główne efekty są nieinteresujące i mylące, gdy występuje interakcja. Drugi model powie Ci wszystko, co musisz wiedzieć. Opisz swoje zmienne dokładniej (czym one są, jakie są ich zakresy, czy są to wartości liczbowe, czy też czynniki?), A ktoś może pomóc Ci pomyśleć o tym, co oznacza / wygląda ta interakcja.

@Brett Jednak wydaje się, że jest tu tajemnica. Według pierwszego modelu wszystkie średnie grupowe są ujemne. Zgodnie z drugim modelem średnie grupowe przy a = 1 są silnie dodatnie. Zastanawiam się, czy zmienne niezależne zostały zakodowane w ten sam sposób w obu obliczeniach ...

a waha się od -1,37 do 2,12, b waha się od -1,03 do 1,3. Obie zmienne są numeryczne. (Muszę powstrzymać się od publikowania, co dokładnie reprezentują a i b w świecie rzeczywistym, ponieważ dane należą do grupy badawczej, a po prostu zaoferowałem pomoc w ulepszeniu mojej wiedzy)

@whuber Nie jest to żadna tajemnica, nie sądzę. Po pierwsze, punkt przecięcia się zmienia. Ponadto termin interakcji może powodować dziwne rzeczy.

@Peter Ze względu na prezentację ANOVA błędnie wyobraziłem sobie, że a i b mogą być binarnymi zmiennymi kategorialnymi, to wszystko. Masz rację, że nie ma tajemnicy, gdy a i b mają zakresy wskazane przez @Sarah.

biblioteka (krata) a <- rep (seq (-1.37, 2.12, (2.12-1.37) / 9), 4) b <- sort (rep (kwantyl (seq (-1,03, 1,30, .01), c (.2, .4, .6, .8)), 10) ) y <- -0,06807 + (3,01517 * a) + (-0,00994 * b) + (-1,13782 * a * b) xyplot (y ~ a | współczynnik (b))

a <- sort (rep (quantile (seq (-1,37, 2,12, .01), c (.2, .4, .6, .8)), 10)) b < - rep (seq (-1,03, 1,30, (1,30--1,03) / 9), 4) y <- -0,06807 + (3,01517 * a) + (-0,00994 * b) + (-1,13782 * a * b) xyplot (y ~ b | czynnik (a))