Đúc một mô hình tuyến tính đa biến như một hồi quy bội


20

Là việc mô tả lại một mô hình hồi quy tuyến tính đa biến như một hồi quy tuyến tính đa biến hoàn toàn tương đương? Tôi không đề cập đến chỉ đơn giản là chạy hồi quy riêng biệt.t

Tôi đã đọc điều này ở một vài nơi (Phân tích dữ liệu Bayes - Gelman và cộng sự, và Trường học cũ đa biến - Marden) rằng một mô hình tuyến tính đa biến có thể dễ dàng được xác định lại dưới dạng hồi quy bội. Tuy nhiên, không có nguồn nào chi tiết về điều này cả. Về cơ bản họ chỉ đề cập đến nó, sau đó tiếp tục sử dụng mô hình đa biến. Về mặt toán học, tôi sẽ viết phiên bản đa biến trước tiên,

Yn×t=Xn×kBk×t+Rn×t,
trong đó các biến in đậm là ma trận với kích thước của chúng bên dưới chúng. Như thường lệ, là dữ liệu, là ma trận thiết kế, là phần dư được phân phối bình thường và là những gì chúng ta quan tâm khi đưa ra suy luận.X R BYXRB

Để xác định lại tham số này là hồi quy tuyến tính đa biến quen thuộc, người ta chỉ cần viết lại các biến là:

ynt×1=Dnt×nkβnk×1+rnt×1,

trong đó các tham số lại được sử dụng là y=row(Y) , β=row(B)D=XIn . row() có nghĩa là các hàng của ma trận được sắp xếp từ đầu đến cuối thành một vectơ dài và là kronecker, hoặc bên ngoài, sản phẩm.

Vì vậy, nếu điều này là dễ dàng, tại sao phải viết sách về các mô hình đa biến, kiểm tra số liệu thống kê cho họ, vv? Hiệu quả nhất là chỉ cần biến đổi các biến đầu tiên và sử dụng các kỹ thuật đơn biến phổ biến. Tôi chắc chắn có một lý do chính đáng, tôi chỉ gặp khó khăn khi nghĩ về một, ít nhất là trong trường hợp của một mô hình tuyến tính. Có các tình huống với mô hình tuyến tính đa biến và các lỗi ngẫu nhiên phân phối thông thường trong đó việc áp dụng lại thông số này không áp dụng hoặc giới hạn các khả năng phân tích mà bạn có thể thực hiện không?

Các nguồn tôi đã thấy điều này: Marden - Thống kê đa biến: Trường học cũ. Xem phần 5.3 - 5.5. Cuốn sách có sẵn miễn phí từ: http://istic.net/stat/

Gelman và cộng sự. - Phân tích dữ liệu Bayes. Tôi có phiên bản thứ hai, và trong phiên bản này có một đoạn nhỏ trong Ch. 19 'Mô hình hồi quy đa biến' có tiêu đề: "Mô hình hồi quy đơn biến tương đương"

Về cơ bản, bạn có thể làm mọi thứ với mô hình hồi quy đơn biến tuyến tính tương đương mà bạn có thể làm với mô hình đa biến không? Nếu vậy, tại sao lại phát triển các phương thức cho các mô hình tuyến tính đa biến?

Còn với phương pháp Bayes thì sao?


Đó là một câu hỏi hay. Có thể bạn có thể yêu cầu nhiều hơn về mặt nền tảng hơn là một cấu trúc.
Subhash C. Davar

1
Bạn có ý nghĩa gì bởi nền tảng chứ không phải cấu trúc? Bạn có thể giải thích?
bill_e

Có thể lưu ý rằng tôi chỉ học được hai bài báo là một phần của bằng cấp đầu tiên và sau đại học, tôi không có sự mô tả kỹ thuật. Tôi hiểu rằng phân tích đa biến có các giả định khác nhau khi so sánh với mô hình hồi quy tuyến tính đa biến hoặc mô hình hồi quy tuyến tính đơn giản. Các giả định cho phân tích đa biến là khác nhau, tức là kỳ vọng toán học chiếm ưu thế. nhiều hồi quy tuyến tính làm cho một số giả định khác dẫn đến tính không đồng nhất. Cấu trúc ở đây tôi có nghĩa là đề cập đến phương trình của bạn.
Subhash C. Davar

Bạn nên nói rõ ràng trong tiêu đề hoặc phần đầu cho dù bạn đang nói về mô hình tuyến tính đa biến (tổng quát) hay về hồi quy đa biến Bayes .
ttnphns

1
Ok, vậy đó không phải cách tiếp cận của tôi , tôi đã chỉ ra hai nơi tôi đã thấy điều này. Cách tiếp cận là mấu chốt của vấn đề. Sự khác biệt giữa phiên bản đa biến và phiên bản đơn biến được xác định lại là gì?
bill_e

Câu trả lời:


5

Về cơ bản, bạn có thể làm mọi thứ với mô hình hồi quy đơn biến tuyến tính tương đương mà bạn có thể làm với mô hình đa biến không?

Tôi tin câu trả lời là không.

Nếu mục tiêu của bạn chỉ đơn giản là ước tính các hiệu ứng (tham số trong ) hoặc tiếp tục đưa ra dự đoán dựa trên mô hình, thì có, việc áp dụng công thức mô hình nào giữa hai mô hình đó không thành vấn đề.B

Tuy nhiên, để thực hiện các suy luận thống kê đặc biệt là để thực hiện kiểm tra ý nghĩa cổ điển, công thức đa biến dường như thực tế không thể thay thế. Cụ thể hơn, hãy để tôi sử dụng phân tích dữ liệu điển hình trong tâm lý học làm ví dụ. Dữ liệu từ đối tượng được thể hiện làn

Yn×t=Xn×kBk×t+Rn×t,

nơi giữa các đối tượng biến giải thích (yếu tố hoặc / và biến số lượng) được mã hoá như các cột trong trong khi -biện pháp lặp đi lặp lại (hoặc trong vòng-môn) mức yếu tố được biểu diễn dưới dạng các biến đồng thời hoặc các cột trong .k1XtY

Với công thức trên, bất kỳ giả thuyết tuyến tính chung nào cũng có thể được biểu diễn dễ dàng như

LBM=C,

Trong đó bao gồm các trọng số giữa các biến giải thích giữa các chủ thể trong khi chứa các trọng số giữa các cấp của các yếu tố đo lường lặp lại và là một ma trận không đổi, thường là .LLC0

Vẻ đẹp của hệ thống đa biến nằm ở sự tách biệt giữa hai loại biến, giữa- và bên trong chủ đề. Chính sự tách biệt này cho phép xây dựng dễ dàng cho ba loại thử nghiệm có ý nghĩa trong khuôn khổ đa biến: thử nghiệm đa biến cổ điển, thử nghiệm đa biến đo lường lặp lại và thử nghiệm đơn biến đo lường lặp lại. Hơn nữa, thử nghiệm Mauchly cho vi phạm hình cầu và các phương pháp hiệu chỉnh tương ứng (Greenhouse-Geisser và Huynh-Feldt) cũng trở nên tự nhiên đối với thử nghiệm đơn biến trong hệ thống đa biến. Đây chính xác là cách các gói thống kê thực hiện các thử nghiệm đó như xe hơi trong R, GLM trong Số liệu thống kê SPSS của IBM và tuyên bố REPEATED trong PROC GLM của SAS.

Tôi không chắc chắn liệu công thức có vấn đề trong phân tích dữ liệu Bayes hay không, nhưng tôi nghi ngờ khả năng thử nghiệm ở trên có thể được xây dựng và triển khai trong nền tảng đơn biến.


Tôi thấy, điều này có ý nghĩa. Cảm ơn bạn đã trả lời tuyệt vời. Tôi cũng muốn nghe một quan điểm Bayes.
bill_e

@PeterRợi Nếu bạn thích câu trả lời, xin vui lòng bày tỏ lòng biết ơn của bạn đối với bluepole bằng cách chấp nhận câu trả lời của anh ấy. Anh ấy sẽ nhận được điểm.
pteetor

Tôi sẽ, tôi chỉ giữ một chút để xem liệu có ai đưa ra một viễn cảnh Bayes không.
bill_e

4

Cả hai mô hình đều tương đương nếu bạn phù hợp với cấu trúc phương sai hiệp phương sai thích hợp. Trong mô hình tuyến tính được chuyển đổi, chúng ta cần điều chỉnh ma trận hiệp phương sai của thành phần lỗi với sản phẩm kronecker có tính khả dụng hạn chế trong các phần mềm tính toán có sẵn. Lý thuyết mô hình tuyến tính - Mô hình đơn biến, đa biến và mô hình hỗn hợp là tài liệu tham khảo tuyệt vời cho chủ đề này.

Đã chỉnh sửa

Đây là một tài liệu tham khảo tốt đẹp có sẵn miễn phí.


2
Ồ ok, vì vậy trong một mô hình đơn biến bình thường, không có loại cấu trúc hiệp phương sai "bên trong" các DV. Do đó, các thử nghiệm giả thuyết liên quan đến điều đó không tồn tại. Cảm ơn bạn! Tôi sẽ xem nếu tôi có thể lấy cuốn sách đó.
bill_e
Khi sử dụng trang web của chúng tôi, bạn xác nhận rằng bạn đã đọc và hiểu Chính sách cookieChính sách bảo mật của chúng tôi.
Licensed under cc by-sa 3.0 with attribution required.