다중 회귀 분석에서 '제어하기'와 다른 변수를 '무시'하는 것에는 차이가 있습니까?


50

다중 회귀 분석에서 설명 변수의 계수는 해당 설명 변수와 종속 변수의 관계를 알려줍니다. 이 모든 것은 다른 설명 변수에 대한 '제어'입니다.

내가 지금까지 본 방법 :

각 계수가 계산되는 동안 다른 변수는 고려되지 않으므로 무시됩니다.

'제어 된'과 '무시 된'이라는 용어를 서로 바꿔서 사용할 수 있다고 생각할 때 적절합니까?


2
나는 당신이 @gung에게 영감을 주었던 두 사람을 볼 때 까지이 질문에 열광하지 않았습니다.
DWin

1
@DWin이라는이 질문에 동기를 부여한 다른 곳의 대화를 알지 못했습니다. 의견에 이것을 설명하려고 시도하는 것이 너무 많았으므로 OP에게 공식적인 질문을하도록 요청했습니다. 실제로 회귀 분석에서 다른 변수를 무시하고 제어하는 ​​구별을 명시 적으로 이끌어내는 것이 큰 문제라고 생각합니다.
gung-Monica Monica 복원

2
첫 번째 다이어그램도 참조 하십시오
Glen_b

1
이 질문에 사용 된 데이터가 사용 가능한가? 교육용 샘플로 실행할 수 있습니다.
Larry

답변:


88

YX1X2YX1

  1. X1YX2
    Y=β0+β1X1+β2X2
  2. X1Y X2

    Y=β0+β1X1

X1Yβ^1X1X2

여기에 이미지 설명을 입력하십시오

X1X2X2X2 X2X2X2=1X2=2X2=3X1YX2 X2

여기에 이미지 설명을 입력하십시오

다른 변수를 무시 하고 제어 하는 것의 차이점에 대해 생각하는 또 다른 방법 은 한계 분포조건부 분포 의 차이를 고려하는 것 입니다. 이 그림을 고려하십시오.

여기에 이미지 설명을 입력하십시오

( 이것은 내 대답에서 가져온 것입니다 : 조건부 가우스 분포의 직관은 무엇입니까? )

YYXYX1=25X1=45X1


2
쿵, 깨달음, 나는 그 질문에 대한 대답에서 '무시'라는 단어를 잘못 사용해서 기쁘다. 이제 통계 패키지가 다른 변수에 대해 어떻게 정확하게 '제어'되는지 알아 내려고 노력할 것입니다. (저의 첫 번째 생각은 피어슨 상관 계수와 같은 척도를 사용한다는 것입니다. 설명 변수가 많으면 상황이 지저분해질 것입니다.)
Siddharth Gopi

1
내가 아직 끝나지 않았지만 @garciaj를 환영합니다. ;-). 다른 인물을 찾고 있습니다. 처음부터 다시 만들어야 할 수도 있습니다.
gung-Monica Monica 복원

4
첫 번째 그림에서 중요한 아이디어는 컴퓨터 화면의 평면에 빨간색 원이있는 3 차원 공간, 화면 앞에 약간 평행 한 평면에있는 파란색 삼각형 및 녹색이있는 점입니다. 그 앞에 약간 비행기에 플러스. 회귀 평면은 오른쪽으로 아래로 기울어 지지만 화면에서 사용자쪽으로 이동할 때 위로 기울어집니다. 이 현상은 X1과 X2가 서로 관련되어 있기 때문에 발생합니다. 만약 그들이 서로 관련이 없다면, 추정 된 베타는 동일 할 것입니다.
gung-Monica Monica 복원

1
그리고 예측 변수 (예 : @gung 시나리오) 간의 이러한 종류의 상관 관계는 일반적으로 Simpson의 역설 사례의 기초가 됩니다. 변수가 세 개 이상인 우주에서는 추론을 숨기고있을 수 있음을 기억하는 것이 좋습니다 (d' oh!).
FairMiles

2
@MSIS, 모델에서 변수를 제어 할 때 모델의 다른 모든 항목을 추정하기 위해 모델은 고정 된 값을 유지하려고합니다. 그러나 이것은 단지 시도이며 임의의 오류가 발생할 수 있으므로 주어진 값으로 물리적으로 고정 된 변수로 연구를 수행했을 때 얻는 것과 반드시 ​​동일하지는 않습니다.
gung-Monica Monica 복원

8

그들은 무시 되지 않습니다 . 그들이 '무시'되었다면 모델에 없었을 것입니다. 관심있는 설명 변수의 추정치 는 다른 변수에 조건부 입니다. 추정값은 모형의 다른 변수를 "의 맥락에서"또는 "영향을 허용"하도록 구성됩니다.


추정치는 물론 다른 변수의 영향을받습니다. 그러나 모델에 소위 다른 요소를 도입하여이를 정화해야합니다. 그러나 때로는 이러한 요소가 범주적인 특성 일 수 있으며 유효한 솔루션을 제공하는 것보다 더 많은 문제를 일으킬 수 있습니다.
Subhash C. Davar
당사 사이트를 사용함과 동시에 당사의 쿠키 정책개인정보 보호정책을 읽고 이해하였음을 인정하는 것으로 간주합니다.
Licensed under cc by-sa 3.0 with attribution required.