作者mimicx (>.<)
看板Statistics
标题[问题] 阶层回归beta值与R平方改变量的关系
时间Sat Mar 28 13:00:39 2009
最近在投稿期刊，审查委员的意见我有点搞不懂，期待有高手可以解释一下...
我是以阶层回归来分析，
依变项是照顾者的忧郁程度
控制变项有
1.病患年龄
2.照顾者年龄
3.病患术後时间
4.疾病严重度
预测变项为
1.照顾行为总差异
2.照顾需求总差异
3.照顾关系虚拟变项（k=2）
交互作用
照顾行为总差异*关系
照顾需求总差异*关系
问题来了........
1.委员质疑，在照顾行为总差异*关系的beta值为.37，但R平方改变量却只有.03？
老实说我也不知道，这个分析结果（本来就可能）是交互作用不显着，这样
的数值是否真的存在很异常的地方？
2.委员质疑自由度有问题，以照顾者忧郁程度为依变项的自由度为 （7,46），
但依变项改成"病患忧郁程度"去跑交互作用的阶层回归，df=(7,47），
他没说自由度是哪里有问题（所以是我自己猜自由度是不是应该要一致？）
请问，这样可能是什麽原因造成的呢？
由於论文是很久以前写的，现在熊熊要捡回统计概念还挺困难的，
加上修改期限只给我不到一星期，还望有人能回答我的疑问...
感激不尽～
--
※ 发信站: 批踢踢实业坊(ptt.cc)
◆ From: 218.174.2.76
1F：→ mimicx:BTW，委员对於我资料调整过後的R平方为负值也提出疑问， 03/28 13:18
2F：→ mimicx:我查的结果是说，负值可视为0，请问这样概念对吗？ 03/28 13:18
3F：→ yhliu:R^2增量偏低, 甚至 adjusted R^2 增量为负, 表示新加入的效 03/28 18:42
4F：→ yhliu:应可能是不存在的, 其对应的假说检定结果应该未达显着界限, 03/28 18:44
5F：→ yhliu:这与回归系数绝对值大小不相干. 03/28 18:45
6F：→ bmka:2. Missing data? 03/28 19:41
7F：→ mimicx:B大是指我的样本数中有missing data吗？ 03/28 19:51
8F：→ mimicx:感谢Y大，解释很清楚，澄清了我模糊的想法 ^^ 03/28 19:54
9F：→ bmka:Just curious, 你的dependent variable "忧郁程度"是 03/28 20:13
10F：→ bmka:continuous or categorical? 03/28 20:14
11F：→ bmka:A negative adj-R^2 suggests that the model does not fit 03/28 20:14
12F：→ bmka:the observed data adequately. 03/28 20:15
13F：→ mimicx:忧郁程度是连续变项，以忧郁量表总分高低来表示 03/28 20:22
14F：→ mimicx:用了高低的说法好像又变成类别变项....其实就是分数而已啦 03/28 20:23
15F：→ bmka:I guess for this kind of study it is not surprising to 03/28 20:43
16F：→ bmka:see small R^2 and negative adj-R^2 values for several 03/28 20:46
17F：→ bmka:reasons: (1) there is a great variability in outcome 03/28 20:49
18F：→ bmka:measurement; (2) the investigators did not collect all 03/28 20:49
19F：→ bmka:the important predictors. 03/28 20:51
20F：→ yhliu:如果是整个模型的 R^2 非常低, 甚至 adjusted R^2 负值, 表 03/28 22:40
21F：→ yhliu:示模型完全没解释力, 研究者并未找到真正有解释力的变数. 03/28 22:41
22F：→ yhliu:若 unadjusted R^2 不是非常低但 adjusted R^2 为负值, 可能 03/28 22:42
23F：→ yhliu:是样本太小, 小得过份, 或模型的解释变数(效应项)太多. 03/28 22:43
24F：→ yhliu:至於所列自由度, 我无法理解你指的是甚麽. 若只是变更反应变 03/28 22:44
25F：→ yhliu:数, 对回归平方和的自由度不应有影响, 只会因 missing data 03/28 22:46
26F：→ yhliu:丢弃部分资料而影响残差平方和. 03/28 22:46
27F：→ bmka:Thanks. 刚要补上(3) sample size is too small. 03/28 22:48
28F：→ mimicx:ok~多谢两位精辟的说明 ^^ 我的样本数是61， 03/29 21:19
29F：→ mimicx:的确在不同依变项上，有不同的missing data 03/29 21:19
30F：→ bmka:看来 sample size 的确小了点 03/29 21:31
31F：→ bmka:可以考虑把outcome重新定义成categorical(severe, mild,none) 03/29 21:33
32F：→ bmka:重新作categorical data analysis 03/29 21:33
33F：→ bmka:好好的观察一下outcome measure的分布状况吧 03/29 21:36
34F：→ yhliu:那麽小的样本做 CDA? 别忘了通常 CDA 都以大样本方法分析, 04/01 10:28
35F：→ yhliu:并且, CDA 并不比回归模型效率高! 04/01 10:29
36F：→ bmka:y大说的效率是指?? 04/01 19:42
37F：→ bmka:以这个题材的研究来说,样本数61是偏小.不过CDA用在这样的研究 04/01 19:44
38F：→ bmka:并不少见,建议做CDA主要是我怀疑dependent var 跟predictor 04/01 19:45
39F：→ bmka:之间的关系很难用linear model来解释,所以建议原作观察一下 04/01 19:46
40F：→ bmka:这些variables的distribution/association/etc 04/01 19:47
41F：→ bmka:然後试试CDA.当然,我没摸过data,也只能纯建议 04/01 19:48
42F：→ bmka:不过我不是很明白y大所提的"CDA都以大样本方法分析"的意思 04/01 19:50
43F：→ bmka:还有,怎麽比较两种不同model的效率(efficiency?)? 04/01 19:51
44F：→ bmka:可不可以解释一下?Thanks. 04/01 19:51