關於迴歸分析不顯著ptt ，我們在網路上蒐集到這些相關的討論、資訊與評價

「迴歸分析不顯著ptt」的推薦目錄：

關於迴歸分析不顯著ptt 在 [問題] 階層迴歸分析係數不顯著- 看板Statistics 的評價
關於迴歸分析不顯著ptt 在 [問題] 想請教相關與回歸的基礎問題- 看板Statistics - PTT網頁版的評價
關於迴歸分析不顯著ptt 在 [問題] 階層迴歸分析係數不顯著- Statistics | PTT Web 的評價
關於迴歸分析不顯著ptt 在迴歸分析不顯著的評價費用和推薦，PTT.CC、EDU.TW、DCARD 的評價
關於迴歸分析不顯著ptt 在迴歸分析不顯著的評價費用和推薦，PTT.CC、EDU.TW、DCARD 的評價
關於迴歸分析不顯著ptt 在 [疑問] 迴歸分析 - Mo PTT 鄉公所的評價
關於迴歸分析不顯著ptt 在 Re: [疑問] 迴歸分析 - PTT評價的評價
關於迴歸分析不顯著ptt 在迴歸分析不顯著在PTT/Dcard完整相關資訊 - 萌寵公園的評價
關於迴歸分析不顯著ptt 在迴歸分析不顯著在PTT/Dcard完整相關資訊 - 萌寵公園的評價
關於迴歸分析不顯著ptt 在迴歸分析不顯著在PTT/Dcard完整相關資訊 - 動漫二維世界的評價
關於迴歸分析不顯著ptt 在迴歸分析不顯著在PTT/Dcard完整相關資訊 - 動漫二維世界的評價
關於迴歸分析不顯著ptt 在迴歸分析不顯著在PTT/Dcard完整相關資訊 - 星娛樂頭條的評價
關於迴歸分析不顯著ptt 在迴歸分析不顯著在PTT/Dcard完整相關資訊 - 星娛樂頭條的評價
關於迴歸分析不顯著ptt 在 Re: [疑問] 迴歸分析 - PTT推薦的評價
關於迴歸分析不顯著ptt 在 Re: [問題] 用R做複線性迴歸方程分析- r_language | PTT數位生活的評價
關於迴歸分析不顯著ptt 在迴歸分析不顯著在PTT/Dcard完整相關資訊 - 說愛你的評價
關於迴歸分析不顯著ptt 在迴歸分析不顯著在PTT/Dcard完整相關資訊 - 說愛你的評價
關於迴歸分析不顯著ptt 在 [程式]SPSS有關虛擬變數跑迴歸分析的問題- statistics | PTT學習區的評價
關於迴歸分析不顯著ptt 在不顯著解釋在PTT/Dcard完整相關資訊的評價
關於迴歸分析不顯著ptt 在不顯著解釋在PTT/Dcard完整相關資訊的評價
關於迴歸分析不顯著ptt 在不顯著解釋在PTT/Dcard完整相關資訊的評價
關於迴歸分析不顯著ptt 在不顯著解釋在PTT/Dcard完整相關資訊的評價
關於迴歸分析不顯著ptt 在影響個人提供線上社會支持因子之探討: 以PTT 癌症板為例的評價
關於迴歸分析不顯著ptt 在迴歸分析解釋在PTT/Dcard完整相關資訊 - 數位感的評價
關於迴歸分析不顯著ptt 在迴歸分析解釋在PTT/Dcard完整相關資訊 - 數位感的評價
關於迴歸分析不顯著ptt 在 Statistics板討論區列表第714頁- [問題]跑相關不顯著 - WEB批踢 ... 的評價
關於迴歸分析不顯著ptt 在長輩盤據臉書、PTT，年輕人奔向低卡（風傳媒） - GEMarketing 的評價
關於迴歸分析不顯著ptt 在 [自介] spss統計分析- soho | PTT職涯區的評價
關於迴歸分析不顯著ptt 在激化情緒對立的口水戰 PTT八卦板COVID-19疫情輿論分析》。的評價
關於迴歸分析不顯著ptt 在 SPSS教程：手把手教你設置啞變數及解讀結果！ | PTT新聞的評價
關於迴歸分析不顯著ptt 在必利勁怎麽樣ptt裡的新婚夫妻講述日本藤素功效的評價
關於迴歸分析不顯著ptt 在 [心得] 技術分析= 統計學？ - 看板Stock | PTT職涯區的評價
關於迴歸分析不顯著ptt 在 [情報] 3/31《聯盟戰棋》12.6 版本更新 - PTT遊戲區的評價
關於迴歸分析不顯著ptt 在 PTT-NTU版變了嗎？我爬了過去一年4000篇文，跑了個統計的評價
關於迴歸分析不顯著ptt 在 [問卦] 這題統計學考題鄉民都不會身特卻考了 - PTT生活政治八卦的評價
關於迴歸分析不顯著ptt 在 [討論] 以R軟體探討球員對球隊防守之影響力- NBA - PTT情感 ... 的評價
關於迴歸分析不顯著ptt 在【必利勁】ipriligy|威而鋼價格ptt便宜的威而鋼哪裡買？的評價
關於迴歸分析不顯著ptt 在犀利士ptt 30顆/瓶女性性冷淡的評價
關於迴歸分析不顯著ptt 在新闻与传播评论（2016年卷） - Google 圖書結果的評價
關於迴歸分析不顯著ptt 在企__新__影_因素__研究 - 第 66 頁 - Google 圖書結果的評價

社群媒體上有些相關的討論：

迴歸分析不顯著ptt 在 [問題] 階層迴歸分析係數不顯著- 看板Statistics 的推薦與評價

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 Jan 31 21:25:01 2014

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

→ coldwind0912:能否提供一下變項的平均數.標準差 02/01 12:53

→ coldwind0912:我想問題應該在那.... 02/01 12:53

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

→ coldwind0912:如此看來您的變項是連續型data嗎? 02/01 18:29

→ coldwind0912:以這描述性統計量來看殘差好大...能分析迴歸模型嗎? 02/01 18:30

→ coldwind0912:https://ppt.cc/OcNW 這個說明先看看不是很嚴謹paper 02/01 18:33

→ coldwind0912:但有大概的講了一些迴歸分析的觀念 02/01 18:33

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...
https://ppt.cc/O7T7

順帶附上殘差P-P圖及殘差-預測値散布圖
https://ppt.cc/BRDG
https://ppt.cc/vuaH

→ coldwind0912:其實照圖表看起來是有點沒有符合迴歸殘差的假定 02/02 01:48

→ coldwind0912:但應該不致於反應到迴歸係數上影響這麼多才是 02/02 01:49

→ coldwind0912:但我滿好奇如果是用likert量尺為何標準差如此大... 02/02 01:50

→ coldwind0912:以likert六點量表來說應該標準差約略為1吧 02/02 01:51

→ coldwind0912:所以你的資料或變項型態是不是要再確認看看? 02/02 01:52

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？

→ yhliu:Model 2 是 model 1 加上 D, E 兩解釋變數? 我猜這兩解釋變 02/02 15:26

→ yhliu:數不會與 A, B, C 無關或低度相關. 但顯然這兩變數加入, 至 02/02 15:28

→ yhliu:少其中之一, 對解釋力的貢獻是可懷疑的. 模型中加入不重要的 02/02 15:29

→ yhliu:解釋變數, 將使參數估計的誤差擴大, 這是導致在 model 1 顯 02/02 15:30

→ yhliu:著的 A, B, C 等解釋變數在 model 2 變成不顯著的可能原因. 02/02 15:31

→ yhliu:看標準化係數看不出什麼, 看原始尺度的迴歸係數及其標準誤, 02/02 15:32

→ yhliu:比較能看出問題是否如我猜測的. 02/02 15:33

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。

→ coldwind0912:從未標準化估計值的標準誤來看我覺得標準誤有點大.. 02/02 19:32

→ coldwind0912:尤其A.B又是單題10點量表從M和SD來說這分布也太... 02/02 19:33

→ coldwind0912:單題的10點量表要視為continuous data跑回歸..... 02/02 19:34

→ coldwind0912:我只能說這誤差值沒爆表已經是不幸中的大幸了... 02/02 19:35

→ yhliu:本來 model 1 的係數顯著性就不是很高 (t 值不是很大), 加入 02/03 17:17

→ yhliu:D, E, 雖然 VIF 不是很大, 但係數的標準誤應有明顯提高吧? 02/03 17:18

→ yhliu:這樣結果變成不顯著, 又有什麼奇怪? 02/03 17:19

→ yhliu:增加解釋項, 必然提高 R^2, 因此才有 adjusted R^2 的提出, 02/03 17:20

→ yhliu:希望稍為修正虛假的 R^2 提高現象. 02/03 17:21

→ yhliu:如果認為 D, E 還是應考慮, 那麼, 試著去掉 D 或去掉 E 看看 02/03 17:21

→ yhliu:吧. 02/03 17:22

→ yhliu:回頭看了係數及標準誤, 是係數變小了. 這是因 D, E 變數分掉 02/03 17:23

→ yhliu:了 A, B, C 的 "效應". 因為這些變數相互間都是正的相關, 所 02/03 17:24

→ yhliu:以 A, B, C 的係數因 D, E 的加入而變小也是很合理的. 02/03 17:25

→ yhliu:100元分給5個人跟分給3個人相比, 當然每個人得到的錢變少; 02/03 17:26

→ yhliu:即使5個人分時總錢數略有增加, 除非增加幅度夠大, 否則每個 02/03 17:27

→ yhliu:人分得的錢也將變少. 這個例子就像這種情況. 02/03 17:28

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)

... <看更多>

關於 迴歸分析不顯著ptt ，我們在網路上蒐集到這些相關的討論、資訊與評價

「迴歸分析不顯著ptt」的推薦目錄：

相關內容

關於迴歸分析不顯著ptt ，我們在網路上蒐集到這些相關的討論、資訊與評價