Python Mixed Linear Model Regression Interpretation der Ergebnisse
Ich kann anscheinend keine richtige Anleitung zur Interpretation der Ergebnisse einer gemischten linearen Modellregression finden.
import statsmodels.api as sm
import statsmodels.formula.api as smf
md = smf.mixedlm("var1 ~ C(Gender) + C(Gender)*Weight + C(Gender)*Height", dataset, groups=dataset["Gender"])
mdf = md.fit()
print(mdf.summary())
Ergebnisse:
------------------------------------------------------------------------
Coef. Std.Err. z P>|z| [0.025 0.975]
------------------------------------------------------------------------
Intercept 3.389 1.109 3.057 0.002 1.216 5.561
C(Gender)[T.1] -0.011 1.578 -0.007 0.995 -3.103 3.082
Weight -0.067 0.022 -3.028 0.002 -0.111 -0.024
C(Gender)[T.1]: Weight -0.021 0.025 -0.844 0.399 -0.071 0.028
Height 0.104 0.026 4.028 0.000 0.053 0.154
C(Gender)[T.1]: Height -0.028 0.029 -0.949 0.343 -0.085 0.030
Ich verstehe nicht, was die Bedeutung von groups = ...Was soll ich dort definieren? Wie interpretiere ich die Ergebnisse und Interaktionseffekte beider Geschlechter, wenn ich das Geschlecht als kategoriale Variable definiere, sodass beide Geschlechter berücksichtigt werden? Für einige Hilfe zur Bedeutung des Koeffizienten basierend auf dem p-Wert.
Vielen Dank im Voraus für jede Hilfe!
Antworten
groups=Hier geben Sie die Gruppierungsvariable an. Das Modell schätzt dann zufällige Abschnitte für diese Variable. Dies sollte die Variable sein, für die Sie wiederholte Messungen durchgeführt haben. In Ihrem Fall groups=dataset["Gender"]macht das keinen Sinn, da es nur 2 Geschlechter gibt und Sie an den festen Effekten dafür interessiert sind.
Wie bei @Cameron erwähnt, hängt die Interpretation davon ab, ob männlich oder weiblich 0 oder 1 ist. Selbst wenn Sie eine Variable codieren und v = kategorisch, hat sie unter der Haube immer noch eine Referenzstufe (die 0 ist).
Nehmen wir also an, männlich ist 0 und weiblich ist 1.
3,389 ist der erwartete Wert von var1, wenn Gewicht und Größe für Männer beide Null sind.
0,067 ist die geschätzte Änderung von var1 für eine Gewichtsänderung von 1 Einheit, wenn die Größe Null ist, für Männer.
0,104 ist die geschätzte Änderung von var1 für eine Änderung der Größe um 1 Einheit, wenn das Gewicht für Männer Null ist.
0,021 ist der Unterschied in var1 zwischen Männern und Frauen bei einer Gewichtsänderung von 1 Einheit. Dies kann als Unterschied in der Steigung des Gewichts zwischen Männern und Frauen angesehen werden.
0,028 ist der Unterschied in var1 zwischen Männern und Frauen bei einer Höhenänderung von 1 Einheit. Dies kann als Unterschied in der Neigung für die Größe zwischen Männern und Frauen angesehen werden.
Da die Haupteffekte davon abhängig sind, dass die numerischen Variablen Null sind, ist es bei einer Interaktion häufig sinnvoll, diese Variablen um den Mittelwert zu zentrieren, damit sie eine mittlere Interpretation erhalten.
Jeder p-Wert ist die Wahrscheinlichkeit, die entsprechende Schätzung zu erhalten, oder ein weiteres Extrem, wenn der Effekt in der Population tatsächlich Null war. Wenn beispielsweise die Assoziation von Gewicht mit var1 bei Männern, wenn die Größe tatsächlich Null ist, beträgt die Wahrscheinlichkeit, die Schätzung von -0,067 oder weniger zu finden, 0,002.