भविष्यवक्ताओं के विभिन्न सेटों के महत्व की तुलना करना

13

मैं एक विशेष समस्या के साथ एक शोध छात्र को सलाह दे रहा था, और मैं इस साइट पर दूसरों का इनपुट प्राप्त करने का इच्छुक था।

प्रसंग:

शोधकर्ता के तीन प्रकार के पूर्वसूचक चर थे। प्रत्येक प्रकार में एक अलग संख्या में भविष्यवाणियां होती हैं। प्रत्येक भविष्यवक्ता एक सतत चर था:

सामाजिक: S1, S2, S3, S4 (यानी, चार भविष्यवक्ता)
संज्ञानात्मक: C1, C2 (यानी, दो भविष्यवक्ता)
व्यवहार: बी 1, बी 2, बी 3 (यानी, तीन भविष्यवक्ता)

परिणाम चर भी निरंतर था। नमूने में लगभग 60 प्रतिभागी शामिल थे।

शोधकर्ता इस बारे में टिप्पणी करना चाहता था कि परिणाम चर को समझाने में किस प्रकार के भविष्यवक्ता अधिक महत्वपूर्ण थे। यह इस प्रकार के भविष्यवक्ताओं के सापेक्ष महत्व के बारे में व्यापक सैद्धांतिक चिंताओं से संबंधित था।

प्रशन

दूसरे सेट के सापेक्ष भविष्यवक्ताओं के एक सेट के सापेक्ष महत्व का आकलन करने का एक अच्छा तरीका क्या है?
इस तथ्य से निपटने के लिए एक अच्छी रणनीति क्या है कि प्रत्येक सेट में भविष्यवक्ताओं की अलग-अलग संख्या है?
आप क्या सुझाव दे सकते हैं?

तकनीकों के उदाहरण या चर्चा में कोई भी संदर्भ भी सबसे स्वागत योग्य होगा।

regression predictor importance

— जेरोमी एंग्लिम
स्रोत

8

सुझाव

आप प्रत्येक प्रकार के पूर्वसूचक के लिए अलग-अलग कई रजिस्टर कर सकते हैं , और कई रजिस्टरों में तुलना कर सकते हैं, समायोजित आर-स्क्वायर, सामान्यीकृत आर-स्क्वायर, या कुछ अन्य पार्सिमोनी समायोजित विचरण के उपाय को समझाया जा सकता है।
आप वैकल्पिक रूप से सामान्य साहित्य को चर महत्व पर देख सकते हैं ( लिंक के साथ चर्चा के लिए यहां देखें )। यह व्यक्तिगत भविष्यवक्ताओं के महत्व पर ध्यान केंद्रित करने को प्रोत्साहित करेगा।
कुछ स्थितियों में पदानुक्रमित प्रतिगमन एक उपयोगी ढांचा प्रदान कर सकता है। आप एक ब्लॉक में एक प्रकार का चर (उदाहरण के लिए, संज्ञानात्मक चर) दर्ज करेंगे, और दूसरे ब्लॉक में दूसरे प्रकार (जैसे, सामाजिक चर)। यह इस सवाल का जवाब देने में मदद करेगा कि क्या एक प्रकार का चर दूसरे प्रकार के ऊपर और ऊपर भविष्यवाणी करता है।
एक पक्ष परीक्षा के रूप में, आप यह जांचने के लिए कि क्या पूर्वानुमानकर्ता चर के बीच संबंध प्रकारों के प्रकारों के असाइनमेंट पर मैप करता है, की भविष्यवाणी करने के लिए भविष्यवक्ता चर पर एक कारक विश्लेषण चला सकता है ।

चेतावनियां

चर के प्रकार जैसे संज्ञानात्मक, सामाजिक और व्यवहार चर की व्यापक कक्षाएं हैं। एक दिए गए अध्ययन में हमेशा संभव चर का एक सबसेट शामिल होगा, और आमतौर पर इस तरह का सबसेट संभव चर के सापेक्ष छोटा होता है। इसके अलावा, मापा चर इच्छित निर्माण को मापने का सबसे विश्वसनीय या वैध साधन नहीं हो सकता है। इस प्रकार, आपको एक विशेष प्रकार के परिवर्तनशील चर के सापेक्ष महत्व के बारे में व्यापक निष्कर्ष निकालते समय सावधानी बरतने की आवश्यकता है जो वास्तव में मापा गया था।
आपको किसी भी पूर्वाग्रह पर विचार करने की आवश्यकता है जिस तरह से आश्रित चर को मापा गया था। विशेष रूप से मनोवैज्ञानिक अध्ययनों में, स्व-रिपोर्ट के उपायों के साथ आत्म-रिपोर्ट, क्षमता के साथ क्षमता, अन्य-रिपोर्ट के साथ अन्य-रिपोर्ट, और इसी तरह से संबद्ध करने की प्रवृत्ति होती है। मुद्दा यह है कि माप के मोड का ब्याज के वास्तविक निर्माण पर और उससे परे एक बड़ा प्रभाव पड़ता है। इस प्रकार, यदि आश्रित चर को एक विशेष तरीके से मापा जाता है (जैसे, सेल्फ-रिपोर्ट), तो एक प्रकार के पूर्वसूचक के साथ बड़े सहसंबंधों की अधिक व्याख्या न करें यदि वह प्रकार स्वयं-रिपोर्ट का भी उपयोग करता है।

— जेरोमी एंग्लिम
स्रोत

मुझे यह स्पष्ट, उपयोगी प्रतिक्रिया पढ़ने में मज़ा आया और मैं इसे एक सहयोगी के साथ साझा करने जा रहा हूं।

— rolando2

7

महत्त्व

पहली बात यह है कि 'भविष्यवक्ताओं के महत्व' का संचालन करना। मुझे लगता है कि इसका मतलब है कि 'भविष्यवाणियों में परिवर्तन के लिए औसत परिणाम की संवेदनशीलता' जैसा कुछ है। चूँकि आपके भविष्यवक्ताओं को समूहीकृत किया जाता है, इसलिए भविष्यवाणियों के समूहों के माध्य परिणामों की संवेदनशीलता चर विश्लेषण द्वारा परिवर्तनशील की तुलना में अधिक दिलचस्प होती है। मैं इसे खुला छोड़ देता हूं कि संवेदनशीलता संवेदनशीलता से समझी जाती है या नहीं। उस मुद्दे को बाद में उठाया गया है।

महत्व का तीन संस्करण

विचरण के बहुत सारे विवरण : मैं अनुमान लगा रहा हूं कि मनोवैज्ञानिकों की पहली पुकार शायद एक विचरण विघटन है, जो मापदण्डों के प्रत्येक समूह में विचरण-सहसंयोजन संरचना द्वारा कितना परिणाम विचरण समझा जाता है, इसकी माप के लिए अग्रणी है। एक प्रयोगवादी होने के नाते मैं यहां ज्यादा सुझाव नहीं दे सकता, सिवाय इस बात के कि पूरे 'विचरण को समझाया' अवधारणा मेरे स्वाद के लिए थोड़ा सा भूमिगत है, यहां तक कि 'किस वर्ग के अंक' के बिना भी। दूसरों को असहमत होने और आगे इसे विकसित करने का स्वागत है।

बड़े मानकीकृत गुणांक : SPSS एक तरह से प्रभाव को मापने के लिए (गलत) बीटा प्रदान करता है जो कि चर में तुलनीय है। इसका उपयोग नहीं करने के कई कारण हैं, फॉक्स के प्रतिगमन पाठ्यपुस्तक, यहां और अन्य जगहों पर चर्चा की गई है। सभी यहां आवेदन करें। यह समूह संरचना की भी अनदेखी करता है।

दूसरी ओर, मुझे लगता है कि कोई भी समूहों में भविष्यवक्ताओं का मानकीकरण कर सकता है और उन सभी में एक मानक विचलन आंदोलन के प्रभाव का न्याय करने के लिए सहसंयोजक जानकारी का उपयोग कर सकता है। व्यक्तिगत रूप से आदर्श वाक्य: "अगर कोई काम करने लायक नहीं है, तो यह अच्छा करने लायक नहीं है" ऐसा करने में मेरी रुचि को नुकसान पहुंचाता है।

बड़े सीमांत प्रभाव : अन्य दृष्टिकोण माप के पैमाने पर रहना और ध्यान से चुने गए नमूना बिंदुओं के बीच सीमांत प्रभावों की गणना करना है। क्योंकि आप उन समूहों में रुचि रखते हैं जो एकल के बजाय चर के समूहों को अलग-अलग करने के लिए बिंदुओं को चुनना उपयोगी है, उदाहरण के लिए दोनों संज्ञानात्मक चर को एक बार में हेरफेर करना। (यहां के शांत भूखंडों के अवसर के बहुत सारे)। यहां बेसिक पेपर । effectsआर में पैकेज इस अच्छी तरह से करेंगे।

यहां दो कैविएट हैं:

यदि आप ऐसा करते हैं, तो आप यह देखना चाहेंगे कि आप दो संज्ञानात्मक चर नहीं चुन रहे हैं, जबकि व्यक्तिगत रूप से प्रशंसनीय, उदाहरण के लिए मध्यस्थ, किसी भी विषय के अवलोकन से संयुक्त रूप से दूर हैं।
कुछ चर भी सैद्धांतिक रूप से जोड़-तोड़ करने वाले नहीं होते हैं, इसलिए कारण के रूप में सीमांत प्रभावों की व्याख्या अधिक नाजुक होती है, हालांकि अभी भी उपयोगी है।

भविष्यवक्ताओं की विभिन्न संख्या

समूहित चर सहसंयोजक संरचना के कारण समस्याएँ उत्पन्न होती हैं, जिनके बारे में हम आम तौर पर चिंता करने की कोशिश नहीं करते हैं, लेकिन इसके लिए यह कार्य करना चाहिए।

विशेष रूप से एकल समूहों के बजाय समूहों पर सीमांत प्रभावों (या उस मामले के लिए मानकीकृत गुणांक) की गणना करते समय, बड़े समूहों के लिए आयामीता का अभिशाप उन क्षेत्रों में भटके हुए लोगों की तुलना करना आसान बनाता है जहां कोई मामले नहीं हैं। एक समूह में अधिक भविष्यवाणियां एक अधिक विरल आबादी वाले स्थान की ओर ले जाती हैं, इसलिए कोई भी महत्व माप मॉडल मान्यताओं पर अधिक और टिप्पणियों पर कम निर्भर करेगा (लेकिन आपको यह नहीं बताएगा कि ...) लेकिन ये वही मुद्दे हैं जो मॉडल फिटिंग चरण में हैं वास्तव में। निश्चित रूप से मॉडल-आधारित कारण मूल्यांकन में समान रूप से उत्पन्न होंगे।

— conjugateprior
स्रोत

7

मान लीजिए कि भविष्यवक्ताओं के पहले सेट के लिए स्वतंत्रता की डिग्री की आवश्यकता होती है ( nonlinear शब्दों के लिए अनुमति देने वाला a 4), दूसरे सेट के लिए b की आवश्यकता होती है, और तीसरे के लिए c (c 3) की आवश्यकता होती है जो nonlinear शब्दों के लिए अनुमति देता है। प्रत्येक सेट के संयुक्त आंशिक प्रभावों के लिए संभावना अनुपात परीक्षण की गणना करें , । स्वतंत्रता की डिग्री के साथ a यादृच्छिक चर का अपेक्षित मान d है, इसलिए d को खेल के क्षेत्र को समतल करने के लिए घटाएं। Ie, कंप्यूट । यदि एफ-परीक्षण का उपयोग कर रहे हैं, तो इसके अंश द्वारा कई एफ स्केल प्राप्त करने के लिए । $\geq$ $\geq$ $\chi^2$ $L_{1}, L_{2}, L_{3}$ $\chi^2$ $L_{1}-a, L_{2}-b, L_{3}-c$ $\chi^2$

— फ्रैंक हैरेल
स्रोत

पुष्टि करने के लिए, आपका दृष्टिकोण L1 की गणना करना है क्योंकि इन चार चर के df द्वारा समायोजित चार सामाजिक चर के समावेश के परिणामस्वरूप विचलन (-2 *) में कमी आई है? और इसी तरह L2 और L3 के बदले में?

— B_Miner

मैं सबसे अच्छा अंकन का उपयोग नहीं किया। मेरा मतलब है कि संभावना अनुपात आँकड़ा, जो कि परीक्षण किए जा रहे चर के सेट को हटाने पर -2 लॉग संभावना में परिवर्तन है।

χ^{2}

$\chi^2$

— फ्रैंक हरेल

क्या आप यह भी स्वीकार करेंगे कि एक जोखिम है, विशुद्ध रूप से सांख्यिकीय समाधान को तैयार करने में, एक संभावित अतिव्यापी समस्या को याद करने के लिए जिससे भविष्यवाणियों के सभी 3 समूह एक ही समय में होने वाली विशेषताओं / व्यवहारों को माप सकते हैं। कार्य-कारण श्रृंखला के लिए पहले के कारणों-बाद के आधार के बिना, क्या इस स्थिति में निश्चित रूप से असमान कारण संबंधों के लिए असंभव हो सकता है - जो भी हमारी गणना हो सकती है? (मैं सोचने का प्रयास कर रहा हूं कि जेम्स डेविस ने लॉजिक ऑफ कॉसल ऑर्डर में क्या किया है।)

— rolando2

पक्का। मॉडलिंग शुरू होने से पहले ही कारण श्रृंखला को समझना होगा।

— फ्रैंक हरेल

@FrankHarrell क्या ये परिणाम दंडित संभावना पर भी लागू होते हैं? क्या दंडित संभावना के पास कोई गुण है जो इसे इस चर-महत्व के माप के संबंध में संभावना से अलग बनाता है? क्या आप ऐसे किसी भी कागजात का सुझाव दे सकते हैं जो इसे अधिक विस्तार से वर्णित करे धन्यवाद।

— जूलियट

2

एक विधि चर के सेट को शीफ चर में संयोजित करना है। इस पद्धति का समाजशास्त्र और संबंधित क्षेत्रों में बड़े पैमाने पर उपयोग किया गया है।

refs:

व्हिट, ह्यूग पी। 1986. "द शीफ गुणांक: एक सरलीकृत और विस्तारित दृष्टिकोण।" सामाजिक विज्ञान अनुसंधान 15: 174-189।

— GaryMarks
स्रोत