रेखीय प्रतिगमन श्रेणीगत चर "छिपा हुआ" मान

यह सिर्फ एक उदाहरण है कि मैं कई बार आया हूं, इसलिए मेरे पास कोई नमूना डेटा नहीं है। R में एक रैखिक प्रतिगमन मॉडल चलाना:

a.lm = lm(Y ~ x1 + x2)

x1एक सतत चर है। x2श्रेणीबद्ध है और इसके तीन मान हैं "उदा", "मध्यम" और "उच्च"। हालाँकि R द्वारा दिया गया आउटपुट कुछ इस प्रकार होगा:

summary(a.lm)
              Estimate Std. Error t value Pr(>|t|)    
(Intercept)   0.521     0.20       1.446   0.19        
x1            -0.61     0.11       1.451   0.17
x2Low         -0.78     0.22       -2.34   0.005
x2Medium      -0.56     0.45       -2.34   0.005

मैं समझता हूं कि आर कुछ ऐसे कारकों पर डमी कोडिंग का परिचय देता है ( x2एक कारक होने के नाते)। मैं बस सोच रहा हूं, मैं x2"उच्च" मूल्य की व्याख्या कैसे करूं ? उदाहरण के लिए, x2यहाँ दिए गए उदाहरण में प्रतिक्रिया चर पर "उच्च" का क्या प्रभाव पड़ता है ?

मैंने इसके उदाहरण कहीं और देखे हैं (जैसे यहाँ ) लेकिन मुझे ऐसा स्पष्टीकरण नहीं मिला, जिसे मैं समझ सकता था।

r regression categorical-data regression-coefficients categorical-encoding machine-learning random-forest anova spss r self-study bootstrap monte-carlo r multiple-regression partitioning neural-networks normalization machine-learning svm kernel-trick self-study survival cox-model repeated-measures survey likert correlation variance sampling meta-analysis anova independence sample assumptions bayesian covariance r regression time-series mathematical-statistics graphical-model machine-learning linear-model kernel-trick linear-algebra self-study moments function correlation spss probability confidence-interval sampling mean population r generalized-linear-model prediction offset data-visualization clustering sas cart binning sas logistic causality regression self-study standard-error r distributions r regression time-series multiple-regression python chi-squared independence sample clustering data-mining rapidminer probability stochastic-processes clustering binary-data dimensionality-reduction svd correspondence-analysis data-visualization excel c# hypothesis-testing econometrics survey rating composite regression least-squares mcmc markov-process kullback-leibler convergence predictive-models r regression anova confidence-interval survival cox-model hazard normal-distribution autoregressive mixed-model r mixed-model sas hypothesis-testing mediation interaction

— ttnphns
स्रोत

आपको यहाँ एक अच्छा उत्तर मिल सकता है, लेकिन मैं इसे सांख्यिकी के प्रवास के लिए फ़्लैग करने जा रहा हूँ। इस प्रश्न का उत्तर अनिवार्य रूप से यह समझने के लिए उबलता है कि रेखीय प्रतिगमन कैसे काम करता है।

— जोरन

हाँ, यह काफी उचित है। क्या यह बेहतर होगा यदि मैंने इसे हटा दिया और इसे स्वयं स्थानांतरित कर दिया? या कि अनावश्यक है?

आपको कुछ भी करने की आवश्यकता नहीं होनी चाहिए। मैंने इसे हरी झंडी दिखाई, लेकिन इसमें मॉड लगने से पहले एक या दो घंटे का समय लग सकता है, यह रविवार और सब कुछ है।

— जोरन

मैं यहां कोई उत्तर नहीं दूंगा, क्योंकि प्रश्न स्थानांतरित हो जाएगा। लेकिन आप कुछ चीजों को समझने की कोशिश कर सकते हैं कि क्या चल रहा है: 1. रन एलएम (वाई ~ एक्स 1 + एक्स 2 - 1)। "-1" इंटरसेप्ट को हटा देगा। 2. x2 के संदर्भ श्रेणी को बदलने के लिए रीलेवल का उपयोग करें।

— मनोएल गाल्डिनो

प्रश्न: "... मैं x2 मूल्य" उच्च "की व्याख्या कैसे करूं? उदाहरण के लिए," उच्च "x2s का क्या प्रभाव यहां दिए गए उदाहरण में प्रतिक्रिया चर पर है ??

ए: आपको इसमें कोई संदेह नहीं है कि आउटपुट में x2 = "उच्च" का कोई उल्लेख नहीं है। फिलहाल x2High को "बेस केस" के रूप में चुना गया है। ऐसा इसलिए है क्योंकि आपने एक ऑर्डर के बावजूद स्तरों के लिए डिफ़ॉल्ट कोडिंग के साथ एक कारक चर की पेशकश की है जो मानव मन में एल / एम / एच अधिक स्वाभाविक रूप से होता है। लेकिन वर्णमाला में "L" और "M" दोनों से पहले "H" शब्द का अक्षरश: चयन किया जाना आर के आधार के रूप में आर द्वारा चुना गया था।

चूंकि 'x2' का आदेश नहीं दिया गया था, रिपोर्ट किए गए प्रत्येक कंट्रास्ट x2 = "हाई" के सापेक्ष थे और इसलिए x2 == "लो" का अनुमान x2 = "हाई" के सापेक्ष -0.78 था। इस समय अवरोधन "Y" का अनुमानित मूल्य है जब x2 = "उच्च" और X1 = 0. आप संभवतया स्तरों के क्रम में बदलाव के बाद अपने प्रतिगमन को फिर से चलाना चाहते हैं (लेकिन कारक का आदेश नहीं दे रहे हैं)।

x2a = factor(x2, levels=c("Low", "Medium", "High"))

फिर आपका more मीडियम ’और 'हाई’ का अनुमान आपके अपेक्षा के अनुरूप अधिक होगा।

संपादित करें: वैकल्पिक कोडिंग व्यवस्था (या मॉडल मैट्रिक्स की अधिक सटीक व्यवस्था है।) आर में विरोधाभासों के लिए डिफ़ॉल्ट विकल्प "उपचार विपरीत" है जो संदर्भ स्तर और रिपोर्ट के रूप में एक कारक स्तर (या कारक स्तरों का एक विशेष संयोजन) को निर्दिष्ट करता है। अन्य स्तरों या संयोजनों के लिए अनुमानित औसत अंतर। हालाँकि, आप संदर्भ स्तर को 0 (अनुशंसित नहीं) होने या अन्य विपरीत विकल्पों में से एक का उपयोग करने के लिए मजबूर करके संदर्भ स्तर का समग्र मतलब हो सकता है:

?contrasts
?C   # which also means you should _not_ use either "c" or "C" as variable names.

आप विभिन्न कारकों के लिए विभिन्न विरोधाभासों का चयन कर सकते हैं, हालांकि ऐसा करने पर एक अतिरिक्त व्याख्यात्मक बोझ थोपना प्रतीत होगा। S-Plus डिफ़ॉल्ट रूप से Helmert विरोधाभासों का उपयोग करता है, और SAS उपचार विरोधाभासों का उपयोग करता है, लेकिन संदर्भ स्तर के रूप में पहले के बजाय अंतिम कारक स्तर चुनता है।

— DWin
स्रोत

यह समझ आता है। मुझे लगता है कि स्पष्ट रूप से x2"कोई मूल्य नहीं" हो सकता है क्योंकि यह "उच्च", "मध्यम" या "कम" में से एक होना चाहिए। आपके उत्तर के लिए धन्यवाद।