Wykonuję regresję liniową z transformowaną zmienną zależną. Dokonano następującej transformacji, aby utrzymać założenie normalności reszt. Nietransformowana zmienna zależna została ujemnie wypaczona, a następująca transformacja zbliżyła ją do normy:
gdzie jest zmienną zależną w oryginalnej skali.
Myślę, że warto zastosować transformację współczynników aby wrócić do oryginalnej skali. Używając następującego równania regresji,
i ustalając , mamy
I w końcu,
Za pomocą tej samej logiki znalazłem
Teraz wszystko działa bardzo dobrze dla modelu z 1 lub 2 predyktorami; współczynniki przekształcone wstecznie przypominają oryginalne, tylko teraz mogę zaufać standardowym błędom. Problem pojawia się, gdy dołączasz termin interakcji, taki jak
Wówczas transformacja wsteczna dla nie jest tak bliska tym z oryginalnej skali i nie jestem pewien, dlaczego tak się dzieje. Nie jestem również pewien, czy formuła znaleziona dla wstecznej transformacji współczynnika beta jest użyteczna, tak jak dla 3rd (dla terminu interakcji). Zanim poszedłem do szalonej algebry, pomyślałem, że poproszę o radę ...
źródło
Odpowiedzi:
Jednym z problemów jest to, że napisałeś
Jest to prosty deterministyczny (tj. Nieprzypadkowy) model. W tym przypadku, mógłby z powrotem przekształcić współczynniki na oryginalnej skali, ponieważ jest to tylko kwestia jakiejś prostej algebry. Ale w zwykłej regresji masz tylko ; termin błędu został usunięty z modelu. Jeśli przemiana z Y powrotem do Y o R ı g nieliniowy może mieć problem, ponieważ , w ogóle. Myślę, że może to mieć związek z widoczną rozbieżnością.E(Y|X)=α+β⋅X Y Yorig E(f(X))≠f(E(X))
Edycja: Zauważ, że jeśli transformacja jest liniowa, możesz przekształcić ją wstecz, aby uzyskać oszacowania współczynników na oryginalnej skali, ponieważ oczekiwanie jest liniowe.
źródło
Pozdrawiam wasze wysiłki tutaj, ale szczekasz na złe drzewo. Nie cofniesz transformacji bety. Twój model utrzymuje się w przekształconym świecie danych. Jeśli chcesz dokonać prognozy, na przykład, z powrotem przekształcić pręd I , ale to wszystko. Oczywiście można również uzyskać przedział predykcji, obliczając wartości górnego i dolnego limitu, a następnie również je przekształcić, ale w żadnym wypadku nie przekształca się ponownie bet.y^i
źródło
ASK QUESTION
); będzie więcej zasobów do odpowiedzi, zwrócisz uwagę CVerów, a informacje będą łatwiej dostępne dla potomnych.