Sonuçların Python Karışık Doğrusal Model Regresyon Yorumu
Karışık Doğrusal Model Regresyonundan elde edilen sonuçların nasıl yorumlanacağına dair uygun bir rehber bulamıyorum.
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())
Sonuçlar:
------------------------------------------------------------------------
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
groups = ...Orada tanımlamam gereken şeyin ne olduğunu anlamadım ? Ayrıca, Cinsiyeti kategorik bir değişken olarak tanımlarken, her iki cinsiyeti de hesaba katması için, sonuçları ve her iki cinsiyetin etkileşim etkilerini nasıl yorumlayabilirim? Ayrıca, p-değerine dayalı katsayının anlamı için biraz yardım için.
Herhangi bir yardım için şimdiden teşekkür ederiz!
Yanıtlar
groups=gruplama değişkenini belirttiğiniz yerdir. Model daha sonra bu değişken için rastgele kesişimleri tahmin edecektir. Bu, tekrar eden ölçümler yaptığınız değişken olmalıdır. Sizin durumunuzda groups=dataset["Gender"], sadece 2 cinsiyet olduğu ve bunun için sabit etkilerle ilgilendiğiniz için bir anlam ifade etmiyor.
Yorumlamaya gelince, @Cameron'un söylediği gibi, erkek veya kadın sırasıyla 0 veya 1 olmasına bağlıdır. Bir değişken ve v = kategorik kodladığınızda bile, başlık altında yine de bir referans seviyesine (0 olan) sahip olacaktır.
Diyelim ki erkek 0 ve kadın 1.
3.389, erkekler için Ağırlık ve Boyun her ikisi de sıfır olduğunda var1 için beklenen değerdir.
0,067, erkekler için Yükseklik sıfır olduğunda Ağırlıktaki 1 birimlik değişiklik için var1'deki tahmini değişimdir.
0.104, erkekler için Ağırlık sıfır olduğunda Yükseklikteki 1 birimlik değişiklik için var1'deki tahmini değişikliktir.
0.021, Ağırlıktaki 1 birimlik değişim için erkekler ve kadınlar arasındaki var1'deki farktır. Bu, erkekler ve kadınlar arasındaki Ağırlık eğimindeki fark olarak düşünülebilir.
0,028, Yükseklikteki 1 birimlik değişim için erkekler ve kadınlar arasındaki var1'deki farktır. Bu, erkekler ve kadınlar arasındaki Yükseklik eğimindeki fark olarak düşünülebilir.
Ana etkiler, sayısal değişkenlerin sıfırda olması koşuluna bağlı olduğundan, bir etkileşime dahil olduklarında, bu değişkenleri ortalamanın etrafında ortalamak, böylece daha ortalama bir infgul yorumunu üstlenmek için genellikle mantıklıdır.
Her p değeri, karşılık gelen tahmini elde etme olasılığıdır veya popülasyondaki etki gerçekten sıfırsa, bir aşırı uç daha bulunur. Örneğin, Erkeklerde Ağırlık ile var1 arasındaki ilişki, Yükseklik gerçekte sıfır olduğunda, tahmini -0,067 veya daha düşük bulma olasılığı 0,002'dir.