為什麼這篇迴歸分析不顯著鄉民發文收入到精華區:因為在迴歸分析不顯著這個討論話題中,有許多相關的文章在討論,這篇最有參考價值!作者tonmai (hey)站內Statistics標題[問題] 階層迴歸分析係數不顯著時間Fri ...
迴歸分析不顯著 在 政經八百 Instagram 的最佳解答
2021-05-17 13:34:18
#政經八百政治標記 〔#如果雨之後 #天氣與選舉的關係〕 每當選舉到來,大眾所關心的不僅是激烈的選情,也會注意投票當日的天氣,在既有印象中,多半認為好天氣可以增加選民投票的意願。反之,若天候不佳,一般則預期將影響選情,讓投票率不如預期。 但事實真是如此嗎?今天我們簡單就引述多篇政治學研究,來簡...
最近在分析資料時遇到一個狀況,想請教各位該怎麼解釋/調整分析方式。
我的研究中是使用多元迴歸分析,而預測變項是分成兩個區塊投入。
分析結果,兩個模式的整體解釋力都有達到顯著,
模式一和模式二的 R平方 分別為.28和.43,R平方改變量達到顯著。
但是,在模式二中,所有變項係數都未顯著。(變項間沒有共線性的問題,vif=1-2)
未標準化係數
模式 B 估計值 標準誤差 標準化係數 t P
-------------------------------------------------------------
1 (常數) 1.736 1.188 1.461 .148
A .547 .245 .230 2.238 .028
B .727 .256 .303 2.837 .006
C .218 .101 .232 2.149 .035
-------------------------------------------------------------
2 (常數) -3.162 1.971 -1.604 .113
A .405 .240 .170 1.688 .096
B .477 .262 .199 1.816 .074
C .104 .106 .111 .980 .331
D .228 .124 .224 1.839 .070
E .200 .123 .196 1.634 .107
對於這樣的結果該怎麼解釋呢?
我目前是以模式一進行解釋,但總覺得怪怪的(畢竟模式二的解釋力較大)。
ps.我也試著在預測變項中只投入ABCD或ABCE,
兩個模式都有顯著(一個是C、D變項顯著,一個是A、C、E顯著)。
--
※ 發信站: 批踢踢實業坊(ptt.cc)
◆ From: 1.170.126.113
謝謝提問,平均數標準差如下:
A 2.63 ± 2.48
B 3.16 ± 2.46
C 6.97 ± 6.28
D 18.52 ± 5.79
E 13.13 ± 5.76
依變項 7.20 ± 4.21
其實嚴格講算是ordinary scale,因為是使用李克特式量表。
殘差的問題,我其實不太確定(不太會看圖)有沒有符合常態分配...
http://ppt.cc/O7T7
順帶附上殘差P-P圖及殘差-預測値散布圖
http://ppt.cc/BRDG
http://ppt.cc/vuaH
不好意思,沒說清楚,
A、B變項是單題的10點量表,C、D、E都是多題加總之後的分數。
變項是都有正偏態的情形,但應該不影響迴歸的使用?
沒錯,model 2 就是再加上D、E變項。
其實這些變項間都有或多或少相關(如下表)
Y A B C D E
Y 1
A .289* 1
B .394** .079 1
C .362** .154 .314** 1
D .485** .276* .432** .309** 1
E .429** .127 .257* .479** .480** 1
我目前解釋的方式是比較朝向
「ABC變項就可以很好的解釋Y,增加DE變項無法增加對Y的了解」來解釋。
但又卡在,
當以ABCD或ABCE來預測時,
其實又都可顯著增加解釋力(和只用ABC來預測相比),且D/E變項也有顯著解釋力,
這樣說起來,
好像是因為變項間的相關才導致以ABCDE來預測時,所有變項的效果都不顯著。
只是先前詢問老師,
老師是覺得相關也沒有到極高、VIF也都蠻低的(都不到2),應該不是這個問題。
ps.已補上未標準化的數據,好像也沒有誤差過度膨脹的狀況。
感謝大家的熱心指導、討論!
讓我可以釐清對迴歸的一些觀念,也發現到自己之前忽略了好多該注意的地方。
我比較清楚問題在哪裡了,剛好放完年假可以回學校再努力!
如果大家還有其他想法,或是想提醒後進注意的,也歡迎再提出。
再次感謝大家!新年快樂!
※ 編輯: tonmai 來自: 1.170.11.184 (02/05 17:45)