Какие показатели используют для оценки относительной важности предикторов при множественной регрессии [c.679]
Некоторое представление об относительной важности предикторов можно также получить, изучив структурные коэффициенты корреляции, которые также называют каноническими или нагрузками. Эти линейные коэффициенты корреляции между каждым из предикторов и дискриминантной функцией представляют дисперсию, которую предиктор делит вместе с функцией. Как и нормированные коэффициенты, эти коэффициенты корреляции следует использовать осторожно. [c.696]
Относительную важность предикторов иллюстрирует пример. [c.696]
При маловероятном событии, когда все предикторы не связаны, простые линейные корреляции равны частным корреляциям, частичным корреляциям и коэффициенту "бета". Поэтому квадраты этих величин будут иметь тот же ранговый порядок относительной важности переменных. [c.684]
Прии неарности особое внимание следует уделить оценке относительной важности независимых При проведении маркетингового исследования целесообразно определить относительную важность предикторов. Другими словами, насколько значимы независимые переменные с точки зрения их вклада в вариацию зависимой переменнойК сожалению, из-за взаимосвязанности предикторов в регрессионном анализе не существует однозначного показателя относительной важности предикторов [29]. Однако есть несколько широко распространенных подходов, используемых для оценки относительной важности независимых переменных. [c.670]
Принимая во внимание, что предикторы взаимосвязаны, по крайней мере, в некоторой степени, фактически во всех регрессионныхни один из этих показателей не является достаточно надежным. Кроме того, возможно, что разные показатели могут указывать на различный порядок важности предикторов (могут располагать предикторы по степени важности вразном порядкерднако если все показатели изучать совместно, то представление об относительной важности предикторов будет достаточно ясным. [c.671]
Прежде чем оценить относительную важность предикторов или сделать какие-либо другие выводы, необходимо подвергнуть регрессионную модель перекрестной проверке. Дело в том, что для регрессии и других многомерных процедур характерно выявление случайных вариаций переменных. Это приводит к тому, что уравнение регрессии становится чрезмерно чувствительным к конкретным данным, используемым для построения модели. Одним из подходов для оценки модели из-за этой и других проблем, связанных с регрессией, — перекрестная проверка. Перекрестная проверка ( ross-validation) позволяет проанализировать, действительно ли регрессионная модель распространяется на сопоставимые данные, которые не использовались для построения модели. [c.671]
При пошаговой регрессии предикторы вводят или выводят из уравнения регрессии один за другим с целью выбора меньшего их числа, которые объясняют большую часть вариации критериальной переменной.неарность или очень высокая взаимная корреляция между предикторами может вызвать некоторые проблемы. Из-за того, что предикторы взаимосвязаны (коррелируют), регрессионный анализ не обеспечивает однозначного свидетельства об относительной важности предикторов. Перекрестная проверка может установить, верна ли регрессионная модель для сопоставимых данных, не использованных при ее вычислении. Она является полезным методом при оценке регрессионной [c.678]
Ниже рассматриваются такие вопросы регрессионного анализа, как пошаговая регрессия, неарность, относительная важность независимых переменных (предикторов) и перекрестная проверка. Мы опишем регрессию с фиктивными переменными и использование этой процедуры для выполнения дисперсионного и ковариационного анализа. Рассмотрим на применение регрессионного анализа. [c.641]
Смотреть страницы где упоминается термин Относительная важность предикторов
: [c.696] [c.711] [c.819] [c.671]Смотреть главы в:
Маркетинговые исследования Издание 3 -> Относительная важность предикторов