Python Mixed Linear Model Regression Interpretation ของผลลัพธ์

Question

ดูเหมือนฉันจะไม่พบคำแนะนำที่เหมาะสมเกี่ยวกับวิธีตีความผลลัพธ์จากการถดถอยแบบจำลองเชิงเส้นผสม

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())

ผล:

------------------------------------------------------------------------
                           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

ฉันไม่เข้าใจความหมายของgroups = ...สิ่งที่ฉันควรจะกำหนดที่นั่นคืออะไร? นอกจากนี้เมื่อกำหนดเพศเป็นตัวแปรเด็ดขาดเพื่อให้คำนึงถึงทั้งสองเพศฉันจะตีความผลลัพธ์และผลการโต้ตอบของทั้งสองเพศได้อย่างไร นอกจากนี้สำหรับความช่วยเหลือบางประการสำหรับความหมายของค่าสัมประสิทธิ์ตามค่า p

ขอขอบคุณล่วงหน้าสำหรับความช่วยเหลือ!

Answer 1

groups=เป็นที่ที่คุณระบุตัวแปรการจัดกลุ่ม จากนั้นแบบจำลองจะประมาณค่าการสกัดกั้นแบบสุ่มสำหรับตัวแปรนี้ นี่ควรเป็นตัวแปรใดก็ตามที่คุณมีมาตรการซ้ำ ๆ ในกรณีของคุณgroups=dataset["Gender"]ไม่สมเหตุสมผลเนื่องจากมีเพียง 2 เพศและคุณสนใจผลกระทบคงที่สำหรับมัน

สำหรับการตีความว่า @Cameron menionted นั้นขึ้นอยู่กับว่าชายหรือหญิงเป็น 0 หรือ 1 ตามลำดับ แม้ว่าคุณจะเขียนโค้ดตัวแปรและ v = เด็ดขาด แต่ภายใต้ประทุนนั้นจะยังคงมีระดับการอ้างอิง (ซึ่งก็คือค่าที่เป็น 0)

สมมุติว่าผู้ชายคือ 0 และตัวเมียคือ 1

3.389 คือค่าที่คาดไว้ของ var1 เมื่อน้ำหนักและส่วนสูงเป็นศูนย์สำหรับผู้ชาย

0.067 คือการเปลี่ยนแปลงโดยประมาณของ var1 สำหรับการเปลี่ยนแปลงน้ำหนัก 1 หน่วยเมื่อความสูงเป็นศูนย์สำหรับเพศชาย

0.104 คือการเปลี่ยนแปลงโดยประมาณของ var1 สำหรับการเปลี่ยนแปลงความสูง 1 หน่วยเมื่อน้ำหนักเป็นศูนย์สำหรับเพศชาย

0.021 คือความแตกต่างของ var1 ระหว่างเพศชายและเพศหญิงสำหรับการเปลี่ยนแปลงน้ำหนัก 1 หน่วย สิ่งนี้สามารถคิดได้ว่าเป็นความแตกต่างของความลาดชันสำหรับน้ำหนักระหว่างเพศชายและเพศหญิง

0.028 คือความแตกต่างของ var1 ระหว่างตัวผู้และตัวเมียสำหรับการเปลี่ยนแปลงความสูง 1 หน่วย สิ่งนี้สามารถคิดได้ว่าเป็นความแตกต่างของความลาดชันสำหรับความสูงระหว่างเพศชายและหญิง

เนื่องจากผลกระทบหลักเป็นเงื่อนไขของตัวแปรตัวเลขที่มีค่าเป็นศูนย์เมื่อพวกเขามีส่วนร่วมในการโต้ตอบจึงมักเป็นเรื่องที่สมเหตุสมผลที่จะจัดกึ่งกลางตัวแปรเหล่านี้รอบค่าเฉลี่ยเพื่อให้พวกเขาตีความหมายได้ง่ายขึ้น

ค่า p แต่ละค่าคือความน่าจะเป็นที่จะได้รับค่าประมาณที่สอดคล้องกันหรือมากขึ้นอีกค่าหนึ่งหากผลกระทบในประชากรเป็นศูนย์จริง ตัวอย่างเช่นหากการเชื่อมโยงของ Weight กับ var1 ในเพศชายเมื่อความสูงเป็นศูนย์จริงความน่าจะเป็นที่จะพบค่าประมาณ -0.067 หรือต่ำกว่าคือ 0.002