Estou executando uma regressão de logit binário stepwise em Stata usando 14 variáveis independentes. Duas das variáveis independentes são dummies (assumindo um valor de 0 ou 1). Eu testei as variáveis independentes para a multicolinearidade e as adaptei padronizando ou usando o logaritmo natural de seus valores para mitigar essa questão (VIFlt2.5). O modelo normal funciona sem problemas no entanto, quando eu quero inicializar a amostra (de observações: 73) com 1000 replicações, recebo valores de p de 1.0000. Além disso, os resultados concluem com a nota: um ou mais parâmetros não puderam ser estimados em 314 repetições do bootstrap, as estimativas de erro padrão incluem apenas replicações completas. Duas perguntas: 1. É o limite do VIF que eu usei correto (VIFlt2.5) Quais outros modos existem para se livrar da multicolinearidade, sem deixar cair uma das variáveis 2. Como eu não assumo que a multicolinearidade é mais uma questão, o que mais Eu poderia ter feito errado em relação à minha metodologia bootstraping Muito obrigado antecipadamente pela sua resposta (s) Sua abordagem não é honesta sobre o número de parâmetros estimados. O processo de estimativa de transformação precisa ser parte do bootstrap, assim como qualquer outro passo de modelagem que utilizou Y. A colinéeridade no outro identificador, muitas vezes pode ignorar Y e pode ser tratada com modelagem pré-resultado. Não há necessidade de calcular os valores P usando o bootstrap, já que você já possui os ajustes do modelo original. Ndash Frank Harrell 13 de maio 14 às 12:43 Frank, muito obrigado por sua resposta rápida. Para colocá-lo nas palavras de um leigo: isso significa que eu não preciso inicializar minha amostra. Não é o tamanho da amostra inicial de 73 demais para receber resultados apropriados. Além disso, o que você quer dizer com honesto que as transformações que eu escolhi não são Consistentes entre si. Infelizmente, a questão da multicolinearidade aparece quando uso uma abordagem consistente. Ndash Tim 13 de maio 14 às 13:04 Você está estimando efetivamente vários mais parâmetros quando tenta diferentes transformações. Você precisa deixar o bootstrap repetir do zero todas as etapas de modelagem a cada vez, incluindo a análise de transformações. É por isso que apenas uma regressão apropriada se encaixa se, muitas vezes, é uma ótima abordagem. O bootstrap apenas repara as splines de regressão para cada re-amostra. Ndash Frank Harrell 13 de maio 14 em 16: 26NOTICE: O grupo de consultoria estatística IDRE estará migrando o site para o WordPress CMS em fevereiro para facilitar a manutenção e criação de novos conteúdos. Algumas de nossas páginas antigas serão removidas ou arquivadas de modo que elas não serão mais mantidas. Vamos tentar manter os redirecionamentos para que os URLs antigos continuem a funcionar da melhor maneira possível. Bem-vindo ao Instituto de Pesquisa e Educação Digital, ajudando o Grupo de Consultoria Stat, oferecendo exemplos de livros de Stata Análise de Regressão Aplicada por John Fox Capítulo 16: Avaliação da Variação de Amostragem: Bootstrapping e Validação Cruzada O primeiro exemplo é a renda de quatro casais de Tabela 16.1. Primeiro criamos um conjunto de dados de quatro variáveis com 256 observações da tabela 16.2 usando o comando cross. Então usamos o comando egen para gerar uma variável com a média em cada linha. Figura 16.1, página 498. O segundo exemplo de 10 casais é baseado na Tabela 16.3, página 499. Primeiro criamos um conjunto de dados com base na Tabela 16.3. Em seguida, executamos o bootstrap do comando Stata bootstrap para obter uma estimativa de bootstrap de nossa estatística. Nós salvamos o resultado de um arquivo de dados chamado bmean. Então, usamos bmean para representar graficamente o gráfico de freqüência (figura 16.2). Regressão de bootstrap usando o arquivo de dados duncan. Os resultados abaixo são diferentes da tabela 16.5, uma vez que o procedimento de regressão robusto em Stata muda de Huber para bi-peso durante o cálculo. Figura 16.3 (a), página 508. Intervalo de confiança utilizado, com base no cálculo do percentil. O conteúdo deste site não deve ser interpretado como um endosso de qualquer site, livro ou produto de software específico da Universidade da Califórnia.
No comments:
Post a Comment