एक से अधिक प्रतिगमन समीकरण में दर्ज किए जा सकने वाले स्वतंत्र चर की अधिकतम संख्या


19

एक से अधिक प्रतिगमन समीकरण में एक स्वतंत्र चर की संख्या की सीमा क्या हो सकती है? मेरे पास 10 भविष्यवक्ता हैं जो मैं परिणाम चर के लिए उनके सापेक्ष योगदान के संदर्भ में जांच करना चाहूंगा। क्या मुझे कई विश्लेषणों के लिए समायोजित करने के लिए एक बोनफेरोनी सुधार का उपयोग करना चाहिए?

जवाबों:


25

आपको यह सोचने की ज़रूरत है कि "सीमा" से आपका क्या मतलब है। सीमाएं हैं, जैसे कि जब आपके पास मामलों की तुलना में अधिक भविष्यवाणियां होती हैं, तो आप पैरामीटर अनुमान में मुद्दों में भाग लेते हैं (इस उत्तर के निचले हिस्से में थोड़ा आर सिमुलेशन देखें)।

हालांकि, मुझे लगता है कि आप सांख्यिकीय शक्ति और अच्छे सांख्यिकीय अभ्यास से संबंधित नरम सीमाओं के बारे में अधिक बात कर रहे हैं। इस मामले में "सीमा" की भाषा वास्तव में उचित नहीं है। बल्कि, बड़े नमूना आकार अधिक भविष्यवाणियों के लिए इसे और अधिक उचित बनाने के लिए करते हैं और कितने भविष्यवाणियों उचित है तर्क की निरंतरता पर पड़ता है। आप संबंधित कई प्रतिगमन में नमूना आकार के लिए अंगूठे के नियमों की चर्चा पा सकते हैं , क्योंकि अंगूठे के ऐसे कई नियम भविष्यवक्ताओं की संख्या का संदर्भ देते हैं।

कुछ बिंदु

  • यदि आप व्यक्तिगत भविष्यवाणियों के सांख्यिकीय महत्व के साथ समग्र भविष्यवाणी के साथ अधिक चिंतित हैं, तो यह संभव है कि यदि आप व्यक्तिगत भविष्यवक्ताओं के सांख्यिकीय महत्व के साथ संबंध रखते हैं, तो इससे अधिक भविष्यवाणियों को शामिल करना उचित है।
  • यदि आप एक विशिष्ट सांख्यिकीय मॉडल का परीक्षण करने से अधिक चिंतित हैं जो आपके शोध प्रश्न (जैसे, कई सामाजिक विज्ञान अनुप्रयोगों में आम है) से संबंधित है, तो संभवतः आपके पास विशेष भविष्यवक्ताओं सहित कारण हैं। हालाँकि, आपके पास चयनात्मक होने के अवसर भी हो सकते हैं जिनमें आप शामिल होने वाले भविष्यवक्ता होते हैं (जैसे, यदि आपके पास कई चर हैं जो एक समान निर्माण को मापते हैं, तो आप केवल उनमें से एक को शामिल कर सकते हैं)। सिद्धांत आधारित मॉडल परीक्षण करते समय, बहुत सारे विकल्प होते हैं, और निर्णय के बारे में जो भविष्यवाणी करने वालों को शामिल करने के लिए आपके सिद्धांत और अनुसंधान प्रश्न के बीच घनिष्ठ संबंध शामिल है।
  • मैं अक्सर शोधकर्ताओं को प्रतिगमन गुणांक के महत्व परीक्षणों के लिए लागू किए जा रहे बोनफेरोनी सुधारों का उपयोग करते नहीं देखता। इसका एक वाजिब कारण यह हो सकता है कि शोधकर्ता मॉडल के समग्र गुणों को समझने में अधिक रुचि रखते हैं।
  • यदि आप भविष्यवक्ताओं के सापेक्ष महत्व का आकलन करने में रुचि रखते हैं, तो मुझे भविष्यवक्ता और परिणाम के साथ-साथ भविष्यवक्ता और परिणाम के बीच संबंध का पता लगाने के लिए उपयोगी है, साथ ही साथ अन्य भविष्यवक्ताओं के लिए भविष्यवक्ता और परिणाम नियंत्रण के बीच संबंध भी। यदि आप कई भविष्यवाणियों को शामिल करते हैं, तो यह अक्सर अधिक संभावना है कि आप ऐसे पूर्वानुमानक शामिल करते हैं जो अत्यधिक अंतर्संबंधित हैं। ऐसे मामलों में, बीवरिएट और मॉडल आधारित महत्व सूचकांकों दोनों की व्याख्या उपयोगी हो सकती है, क्योंकि एक द्विभाजित अर्थ में एक चर महत्वपूर्ण अन्य सहसंबंधी भविष्यवक्ताओं द्वारा मॉडल में छिपा हो सकता है ( मैं लिंक के माध्यम से यहां इस पर अधिक विस्तार से बताता हूं )।


थोड़ा R सिमुलेशन

मैंने कई प्रतिगमन में नमूना आकार और पैरामीटर अनुमान के बीच संबंधों को उजागर करने के लिए यह छोटा सिमुलेशन लिखा था।

set.seed(1)

fitmodel <- function(n, k) {
  # n: sample size
  # k: number of predictors
  # return linear model fit for given sample size and k predictors
  x <- data.frame(matrix( rnorm(n*k), nrow=n))
  names(x) <- paste("x", seq(k), sep="")
  x$y <- rnorm(n)  
  lm(y~., data=x)
}

fitmodelसमारोह दो तर्क लेता nनमूना आकार के लिए और kभविष्यवक्ताओं की संख्या के लिए। मैं एक भविष्यवक्ता के रूप में निरंतर गिनती नहीं कर रहा हूं, लेकिन यह अनुमान है। मैं तो यादृच्छिक डेटा उत्पन्न करता है और एक प्रतिगमन मॉडल का अनुमान लगाता है जो kपूर्ववर्ती चर से अय चर का अनुमान लगाता है और फिट लौटता है।

यह देखते हुए कि आपने अपने प्रश्न में उल्लेख किया है कि आप रुचि रखते थे कि क्या 10 भविष्यवाणियां बहुत अधिक हैं, निम्न फ़ंक्शन कॉल दिखाते हैं कि नमूना आकार 9, 10, 11 और 12 क्रमशः होने पर क्या होता है। यानी, नमूना आकार भविष्यवक्ताओं की संख्या की तुलना में दो से अधिक होने की संभावना से कम है

summary(fitmodel(n=9, k=10))
summary(fitmodel(n=10, k=10))
summary(fitmodel(n=11, k=10))
summary(fitmodel(n=12, k=10))

> सारांश (फिटमॉडल (n = 9, k = 10))

Call:
lm(formula = y ~ ., data = x)

Residuals:
ALL 9 residuals are 0: no residual degrees of freedom!

Coefficients: (2 not defined because of singularities)
            Estimate Std. Error t value Pr(>|t|)
(Intercept) -0.31455         NA      NA       NA
x1           0.34139         NA      NA       NA
x2          -0.45924         NA      NA       NA
x3           0.42474         NA      NA       NA
x4          -0.87727         NA      NA       NA
x5          -0.07884         NA      NA       NA
x6          -0.03900         NA      NA       NA
x7           1.08482         NA      NA       NA
x8           0.62890         NA      NA       NA
x9                NA         NA      NA       NA
x10               NA         NA      NA       NA

Residual standard error: NaN on 0 degrees of freedom
Multiple R-squared:     1,  Adjusted R-squared:   NaN 
F-statistic:   NaN on 8 and 0 DF,  p-value: NA 

नमूना आकार भविष्यवक्ताओं की संख्या से कम है। केवल 9 मापदंडों का अनुमान लगाना संभव है, जिनमें से एक निरंतर है।

> सारांश (फिटमॉडल (n = 10, k = 10))

Call:
lm(formula = y ~ ., data = x)

Residuals:
ALL 10 residuals are 0: no residual degrees of freedom!

Coefficients: (1 not defined because of singularities)
            Estimate Std. Error t value Pr(>|t|)
(Intercept)   0.1724         NA      NA       NA
x1           -0.3615         NA      NA       NA
x2           -0.4670         NA      NA       NA
x3           -0.6883         NA      NA       NA
x4           -0.1744         NA      NA       NA
x5           -1.0331         NA      NA       NA
x6            0.3886         NA      NA       NA
x7           -0.9886         NA      NA       NA
x8            0.2778         NA      NA       NA
x9            0.4616         NA      NA       NA
x10               NA         NA      NA       NA

Residual standard error: NaN on 0 degrees of freedom
Multiple R-squared:     1,  Adjusted R-squared:   NaN 
F-statistic:   NaN on 9 and 0 DF,  p-value: NA 

नमूना आकार भविष्यवक्ताओं की संख्या के समान है। केवल 10 मापदंडों का अनुमान लगाना संभव है, जिनमें से एक निरंतर है।

> सारांश (फिटमॉडल (n = 11, k = 10))

Call:
lm(formula = y ~ ., data = x)

Residuals:
ALL 11 residuals are 0: no residual degrees of freedom!

Coefficients:
            Estimate Std. Error t value Pr(>|t|)
(Intercept)  -0.9638         NA      NA       NA
x1           -0.8393         NA      NA       NA
x2           -1.5061         NA      NA       NA
x3           -0.4917         NA      NA       NA
x4            0.3251         NA      NA       NA
x5            4.4212         NA      NA       NA
x6            0.7614         NA      NA       NA
x7           -0.4195         NA      NA       NA
x8            0.2142         NA      NA       NA
x9           -0.9264         NA      NA       NA
x10          -1.2286         NA      NA       NA

Residual standard error: NaN on 0 degrees of freedom
Multiple R-squared:     1,  Adjusted R-squared:   NaN 
F-statistic:   NaN on 10 and 0 DF,  p-value: NA 

नमूना आकार भविष्यवक्ताओं की संख्या से एक अधिक है। सभी मापदंडों का अनुमान है जिसमें स्थिरांक शामिल है।

> सारांश (फिटमॉडल (n = 12, k = 10))

Call:
lm(formula = y ~ ., data = x)

Residuals:
        1         2         3         4         5         6         7         8         9        10        11 
 0.036530 -0.042154 -0.009044 -0.117590  0.171923 -0.007976  0.050542 -0.011462  0.010270  0.000914 -0.083533 
       12 
 0.001581 

Coefficients:
            Estimate Std. Error t value Pr(>|t|)  
(Intercept)  0.14680    0.11180   1.313   0.4144  
x1           0.02498    0.09832   0.254   0.8416  
x2           1.01950    0.13602   7.495   0.0844 .
x3          -1.76290    0.26094  -6.756   0.0936 .
x4           0.44832    0.16283   2.753   0.2218  
x5          -0.76818    0.15651  -4.908   0.1280  
x6          -0.33209    0.18554  -1.790   0.3244  
x7           1.62276    0.21562   7.526   0.0841 .
x8          -0.47561    0.18468  -2.575   0.2358  
x9           1.70578    0.31547   5.407   0.1164  
x10          3.25415    0.46447   7.006   0.0903 .
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1 

Residual standard error: 0.2375 on 1 degrees of freedom
Multiple R-squared: 0.995,  Adjusted R-squared: 0.9452 
F-statistic: 19.96 on 10 and 1 DF,  p-value: 0.1726 

नमूना आकार भविष्यवक्ताओं की संख्या से दो अधिक है, और अंत में समग्र मॉडल के फिट होने का अनुमान लगाना संभव है।


क्या कोई यह बता सकता है कि पहले परिदृश्य में मानक त्रुटियां (n = 9, k = 10) NA क्यों हैं? मेरे पास मानक त्रुटि फॉर्मूला है, लेकिन यह न देखें कि एनए को प्राप्त करने के लिए हर व्यक्ति 0 कैसे होगा।
matsuo_basho

12

मैं अक्सर इस दृष्टिकोण से देखता हूं कि क्या एक निश्चित संख्या में मापदंडों के साथ फिट किए गए मॉडल से आउट-ऑफ-सैंपल की भविष्यवाणी करने की संभावना है जो मूल मॉडल विकास नमूने पर किए गए पूर्वानुमानों के समान सटीक हैं। अंशांकन घटता है, X * बीटा की चुकता त्रुटियों का अर्थ है, और भविष्य कहनेवाला भेदभाव के सूचकांक आमतौर पर उपयोग किए जाने वाले कुछ उपाय हैं। यह वह जगह है जहां अंगूठे के कुछ नियम आते हैं, जैसे कि 15: 1 नियम (जांच की गई या अनुमानित प्रति 15 प्रभावी पैरामीटर का एक प्रभावी नमूना आकार)।

बहुलता के बारे में, बहुलता के लिए एक सही समायोजन, मॉडल धारण और वितरण संबंधी मान्यताओं को पूरा किया जाता है, वैश्विक परीक्षण है कि सभी betas (अवरोधन के अलावा) शून्य हैं। यह आमतौर पर संभावना अनुपात या एफ परीक्षण का उपयोग करके परीक्षण किया जाता है।

मॉडल के विकास के लिए दो समग्र दृष्टिकोण हैं जो अच्छी तरह से काम करते हैं। (1) एक पर्याप्त नमूना आकार है और पूरे पूर्व-निर्दिष्ट मॉडल को फिट करें, और (2) उपयोग किए जाने वाले अधिकतम संभावना अनुमान को दंडित किया गया है कि प्रतिगमन में स्वतंत्रता के कई प्रभावी डिग्री के रूप में केवल वर्तमान नमूना आकार का समर्थन करेगा। [दंड के बिना स्टेप वाइज चर चयन की कोई भूमिका नहीं होनी चाहिए, क्योंकि यह काम नहीं करने के लिए जाना जाता है।]


क्या सही प्रतिगमन गुणांक के आकार और त्रुटि विचरण के आकार के बारे में मान्यताओं के आधार पर अंगूठे के नियम हैं? क्या मैं यह सोचने में सही रहूंगा कि यदि त्रुटि विचरण को बहुत छोटा माना जाता है, तो मापदंडों के डेटा बिंदुओं का एक बहुत छोटा अनुपात स्वीकार्य होगा?
mark999

1
यह एक उत्कृष्ट बिंदु है जिसका उल्लेख करने के लिए मैंने उपेक्षा की। 15: 1 नियम संकेत के प्रकारों के लिए है: बायोमेडिकल और सामाजिक विज्ञान में देखा जाने वाला शोर अनुपात। जब आपके पास कम अवशिष्ट विचरण होता है, तो आप कई और मापदंडों का सटीक अनुमान लगा सकते हैं।
फ्रैंक हरेल

10

nपीपीnपी

1पीσ1/लॉग(पी)σ1एक्सσ1पी


6

सिद्धांत रूप में, आपके पास प्रति सेवक की कोई सीमा नहीं है कि आपके पास कितने भविष्यवक्ता हो सकते हैं। आप सिद्धांत रूप में 2 बिलियन "बेटस" का अनुमान लगा सकते हैं। लेकिन व्यवहार में क्या होता है कि पर्याप्त डेटा, या पर्याप्त पूर्व जानकारी के बिना, यह बहुत उपयोगी व्यायाम साबित नहीं होगा। कोई विशेष पैरामीटर बहुत अच्छी तरह से निर्धारित नहीं किया जाएगा, और आप विश्लेषण से बहुत कुछ नहीं सीखेंगे।

अब यदि आपके पास अपने मॉडल (मॉडल संरचना, पैरामीटर मान, शोर, आदि) के बारे में बहुत अधिक जानकारी नहीं है, तो आपको यह जानकारी प्रदान करने के लिए डेटा की आवश्यकता होगी। यह आमतौर पर सबसे आम स्थिति है, जो समझ में आता है, क्योंकि आपको आमतौर पर डेटा एकत्र करने के लिए एक बहुत अच्छे कारण की आवश्यकता होती है (और $ $ $) कुछ के बारे में जिसे आप पहले से ही अच्छी तरह से जानते हैं। यदि यह आपकी स्थिति है, तो एक उचित सीमा प्रति पैरामीटर की एक बड़ी संख्या है। आपके पास 12 पैरामीटर (10 ढलान बेटास, 1 अवरोधन, और एक शोर पैरामीटर) हैं, इसलिए 100 से अधिक टिप्पणियों में कुछ भी आपके मापदंडों को अच्छी तरह से निर्धारित करने में सक्षम होना चाहिए ताकि कुछ निष्कर्ष निकालने में सक्षम हो सकें।

लेकिन कोई "कठिन और तेज" नियम नहीं है। केवल 10 भविष्यवाणियों के साथ आपको गणना समय के साथ कोई परेशानी नहीं होनी चाहिए (यदि आप करते हैं तो बेहतर कंप्यूटर प्राप्त करें)। इसका मुख्य रूप से मतलब सिर्फ और सिर्फ काम करना है, क्योंकि आपके पास अवशोषित करने के लिए डेटा के 11 आयाम हैं - जिससे डेटा की कल्पना करना मुश्किल हो जाता है। केवल 1 निर्भर चर के साथ प्रतिगमन के मूल सिद्धांत वास्तव में अलग नहीं हैं।

बोनफेरोनी सुधार के साथ समस्या यह है कि इसके लिए बहुत अधिक शक्ति का त्याग किए बिना अपने महत्व स्तर को समायोजित करने के लिए एक उचित तरीका होना चाहिए, आपको उस परिकल्पना की आवश्यकता है जिसे आप स्वतंत्र होने के लिए सही कर रहे हैं (यानी यह सीखना कि एक परिकल्पना सच है कि क्या आप के बारे में कुछ नहीं बताता है) एक और परिकल्पना सच है)। उदाहरण के लिए, सह-कुशल शून्य होने के लिए कई प्रतिगमन में मानक "टी-टेस्ट" के लिए यह सच नहीं है। टेस्ट स्टैटिस्टिक मॉडल में और क्या निर्भर करता है - परिकल्पना निर्भर है, यह कहने का एक गोल तरीका है। या, यह कहने का एक अधिक लगातार तरीका यह है कि ith पूर्वसूचक के शून्य मान पर टी-मूल्य सशर्त का नमूना वितरण इस बात पर निर्भर करता है कि अन्य पैरामीटर शून्य क्या हैं। तो यहाँ bonferroni सुधार का उपयोग वास्तव में आप एक कम "समग्र" दे सकता है

हमारी साइट का प्रयोग करके, आप स्वीकार करते हैं कि आपने हमारी Cookie Policy और निजता नीति को पढ़ और समझा लिया है।
Licensed under cc by-sa 3.0 with attribution required.