作者mimicx (>.<)
看板Statistics
標題[問題] 階層迴歸beta值與R平方改變量的關係
時間Sat Mar 28 13:00:39 2009
最近在投稿期刊，審查委員的意見我有點搞不懂，期待有高手可以解釋一下...
我是以階層迴歸來分析，
依變項是照顧者的憂鬱程度
控制變項有
1.病患年齡
2.照顧者年齡
3.病患術後時間
4.疾病嚴重度
預測變項為
1.照顧行為總差異
2.照顧需求總差異
3.照顧關係虛擬變項（k=2）
交互作用
照顧行為總差異*關係
照顧需求總差異*關係
問題來了........
1.委員質疑，在照顧行為總差異*關係的beta值為.37，但R平方改變量卻只有.03？
老實說我也不知道，這個分析結果（本來就可能）是交互作用不顯著，這樣
的數值是否真的存在很異常的地方？
2.委員質疑自由度有問題，以照顧者憂鬱程度為依變項的自由度為 （7,46），
但依變項改成"病患憂鬱程度"去跑交互作用的階層迴歸，df=(7,47），
他沒說自由度是哪裡有問題（所以是我自己猜自由度是不是應該要一致？）
請問，這樣可能是什麼原因造成的呢？
由於論文是很久以前寫的，現在熊熊要撿回統計概念還挺困難的，
加上修改期限只給我不到一星期，還望有人能回答我的疑問...
感激不盡～
--
※ 發信站: 批踢踢實業坊(ptt.cc)
◆ From: 218.174.2.76
1F：→ mimicx:BTW，委員對於我資料調整過後的R平方為負值也提出疑問， 03/28 13:18
2F：→ mimicx:我查的結果是說，負值可視為0，請問這樣概念對嗎？ 03/28 13:18
3F：→ yhliu:R^2增量偏低, 甚至 adjusted R^2 增量為負, 表示新加入的效 03/28 18:42
4F：→ yhliu:應可能是不存在的, 其對應的假說檢定結果應該未達顯著界限, 03/28 18:44
5F：→ yhliu:這與迴歸係數絕對值大小不相干. 03/28 18:45
6F：→ bmka:2. Missing data? 03/28 19:41
7F：→ mimicx:B大是指我的樣本數中有missing data嗎？ 03/28 19:51
8F：→ mimicx:感謝Y大，解釋很清楚，澄清了我模糊的想法 ^^ 03/28 19:54
9F：→ bmka:Just curious, 你的dependent variable "憂鬱程度"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:憂鬱程度是連續變項，以憂鬱量表總分高低來表示 03/28 20:22
14F：→ mimicx:用了高低的說法好像又變成類別變項....其實就是分數而已啦 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:如果是整個模型的 R^2 非常低, 甚至 adjusted R^2 負值, 表 03/28 22:40
21F：→ yhliu:示模型完全沒解釋力, 研究者並未找到真正有解釋力的變數. 03/28 22:41
22F：→ yhliu:若 unadjusted R^2 不是非常低但 adjusted R^2 為負值, 可能 03/28 22:42
23F：→ yhliu:是樣本太小, 小得過份, 或模型的解釋變數(效應項)太多. 03/28 22:43
24F：→ yhliu:至於所列自由度, 我無法理解你指的是甚麼. 若只是變更反應變 03/28 22:44
25F：→ yhliu:數, 對迴歸平方和的自由度不應有影響, 只會因 missing data 03/28 22:46
26F：→ yhliu:丟棄部分資料而影響殘差平方和. 03/28 22:46
27F：→ bmka:Thanks. 剛要補上(3) sample size is too small. 03/28 22:48
28F：→ mimicx:ok~多謝兩位精闢的說明 ^^ 我的樣本數是61， 03/29 21:19
29F：→ mimicx:的確在不同依變項上，有不同的missing data 03/29 21:19
30F：→ bmka:看來 sample size 的確小了點 03/29 21:31
31F：→ bmka:可以考慮把outcome重新定義成categorical(severe, mild,none) 03/29 21:33
32F：→ bmka:重新作categorical data analysis 03/29 21:33
33F：→ bmka:好好的觀察一下outcome measure的分布狀況吧 03/29 21:36
34F：→ yhliu:那麼小的樣本做 CDA? 別忘了通常 CDA 都以大樣本方法分析, 04/01 10:28
35F：→ yhliu:並且, CDA 並不比迴歸模型效率高! 04/01 10:29
36F：→ bmka:y大說的效率是指?? 04/01 19:42
37F：→ bmka:以這個題材的研究來說,樣本數61是偏小.不過CDA用在這樣的研究 04/01 19:44
38F：→ bmka:並不少見,建議做CDA主要是我懷疑dependent var 跟predictor 04/01 19:45
39F：→ bmka:之間的關係很難用linear model來解釋,所以建議原作觀察一下 04/01 19:46
40F：→ bmka:這些variables的distribution/association/etc 04/01 19:47
41F：→ bmka:然後試試CDA.當然,我沒摸過data,也只能純建議 04/01 19:48
42F：→ bmka:不過我不是很明白y大所提的"CDA都以大樣本方法分析"的意思 04/01 19:50
43F：→ bmka:還有,怎麼比較兩種不同model的效率(efficiency?)? 04/01 19:51
44F：→ bmka:可不可以解釋一下?Thanks. 04/01 19:51