두 개의 범주 형 변수와 상호 작용을 사용하여 다중 회귀 분석에서 계수 및 p- 값을 계산하는 방법

Question

선형 회귀를 처음 사용하므로 두 가지 범주 형 예측 변수와 함께 여러 선형 회귀 분석의 결과를 해석하는 데 도움이되기를 바랍니다. 상호 작용 용어.

LM (H1A1c ~ 모음 * 스피커, 데이터 = 데이터)

모음 및 스피커가 모두 범주 형 변수 :

나는 다음과 같은 선형 회귀했다. 모음은 "호흡", "모달"또는 "삐걱 거리다"일 수 있으며 4 개의 다른 스피커 (F01, F02, M01, M02)가 있습니다. 이 두 범주의 조합이 H1A1c의 값을 예측할 수 있는지보고 싶습니다.

내 출력은 이것이다 : Output of lm

내가 잘못하지만 우리가 내 대부분의 변수 사이의 관계가 선형으로 특징 될 수 없음을이 출력에서 ​​볼 수 있다고 생각한다면 제발 올바른. 제가 정말로 이해하지 못하는 것은 첫 번째 p- 값을 해석하는 방법입니다. 내가봤을 때 나는 다른 모든 p- 값들이 각각의 계수와이 계수와 관련된 관계를 가리키는 것을 발견했다. 예 : 제 3 라인의 p- 값은 제 3 라인의 계수와 제 1 라인의 계수의 관계, 즉 23.1182-9.6557을 지칭한다. 첫 번째 계수의 p- 값은 어떻습니까? 관계가 없으면 선형 관계가있을 수 없습니다. 이 p 값은 무엇을 나타 냅니까?

미리 답변 해 주셔서 감사합니다.

Answer 1

첫 번째 p 값 (가로 채기)은 피팅 된 선의 y 절편이 0 (원점을 통과) 일 가능성이 얼마나 높은지를 알려줍니다. 결과의 p- 값이 0.05보다 작기 때문에 y- 절편이 확실히 0이 아니라고 말할 수 있습니다.

다른 p 값은 다르게 해석되어야합니다. 당신의 해석은 그들이 나타내는 변수의 계수가 0이 될지 어떨지에 대한 아이디어를주는 것이 옳다.

세번째 라인에서의 p 값은 첫 번째 세 번째 행의 계수의 관계를 의미는, 예 23.1182-9.6557

(-9.6557), 평균적 것을 의미 GlottalContext = creaky (예 : GlottalContextcreaky = 1) 인 경우 GlottalContext = breathy (여기서는 breathy가 참조 카테고리이기 때문에)와 비교할 때 H1A1c의 예상 값은 9.6557 단위 낮아집니다. 다른 모든 예측 변수는 변경되지 않습니다. 이것은 분명히 상응하는 p- 값이 GlottalContextcreaky의 경우 인 0.05보다 작을 때 분명합니다.

(또한 H1A1c가 연속 변수라고 가정 할 경우 H1A1c를 예측하는 선형 회귀 분석을 선택하면 두 예측자가 모두 범주 적이기 때문에 갈 방법이 가장 확실하지 않습니다. 다른 알고리즘 (예 : 종속 변수를 범주 형으로 변환하고 2 진/다항 로지스틱 회귀 또는 의사 결정 트리)