Bagaimana Anda merencanakan interaksi antara faktor dan kovariat kontinu?
9
Saya ingin merencanakan pada grafik yang sama interaksi antara prediktor kontinu saya dan moderator kategorikal saya. Saya tahu bagaimana melakukannya ketika keduanya kategorikal ( interaksi faktor ), tetapi tidak benar-benar tahu bagaimana melakukannya ketika satu kontinu dan satu kategorikal.
Jika Anda berbicara tentang interaksi dalam model linier umum (misalnya, ANCOVA), dan jika moderator kategoris Anda memiliki jumlah level yang cukup kecil, Anda dapat memplot garis regresi terpisah untuk setiap level moderator. Jika Anda ingin ini pada plot yang sama, tumpang tindih mereka, kode berdasarkan warna atau jenis garis, dan berikan legenda. Salah satu sumbu plot Anda akan mewakili prediktor kontinu (mungkin sumbu " " horizontal ), dan yang lainnya akan mewakili variabel dependen, yang saya asumsikan kontinu. Jika prediktor kategori Anda (moderator) memiliki lebih dari empat level, itu mungkin akan sedikit terlalu sibuk untuk satu plot, tetapi saya tidak mengetahui metode yang lebih baik untuk keadaan seperti itu yang tidak menggunakan plot terpisah untuk setiap level.x
terima kasih untuk balasan Anda! Saya memang merujuk ke GLM (univariat), yang hanya memungkinkan saya memplot estimasi rata-rata marginal untuk interaksi faktor. Saya tidak yakin bagaimana menumpangkan seperti yang Anda katakan ... Saya bekerja dengan SPSS. dapatkah Anda menjelaskan sedikit lebih banyak tentang itu?
Andreea
1
Untuk SPSS simpan saja nilai prediksi setelah memperkirakan model. Kemudian dalam plot grafik nilai prediksi pada sumbu Y, dan prediktor kontinu pada sumbu X, kemudian gunakan variabel kategorikal untuk mengelompokkan garis atau titik.
Andy W
Terima kasih! hanya untuk mengklarifikasi, plot grafik mana yang persis saya butuhkan untuk menghasilkan ini? Apakah ini sebar plot dengan garis regresi? Jika demikian, maka saya perlu membuat 3 grafik berbeda untuk 3 tingkat berbeda dari moderator saya ... bagaimana saya meletakkannya di grafik yang sama? Juga hanya untuk mengklarifikasi bahwa nilai-nilai yang diprediksi mempertimbangkan regresi yang disesuaikan dengan kovariat?
Andreea
1
@Andreea, saya telah menambahkan jawaban untuk menanggapi komentar Anda.
Penguin_Knight
@AndyW apakah Anda menyimpan nilai prediksi dari model yang diperkirakan dengan atau tanpa istilah interaksi (atau tidak masalah)?
Jeremyjaytaylor
4
Cukup dengan menanggapi komentar berikut:
Terima kasih! hanya untuk mengklarifikasi, plot grafik mana yang persis saya butuhkan untuk menghasilkan ini? Apakah ini sebar plot dengan garis regresi? Jika demikian, maka saya perlu membuat 3 grafik berbeda untuk 3 tingkat berbeda dari moderator saya ... bagaimana saya meletakkannya di grafik yang sama? Juga hanya untuk mengklarifikasi bahwa nilai-nilai yang diprediksi mempertimbangkan regresi yang disesuaikan dengan kovariat?
Inilah cara melakukannya di SPSS. Saya menggunakan Employee.savdata sebagai contoh. Misalkan kita ingin menggunakan gaji sebagai hasil, gaji awal sebagai prediktor berkelanjutan dan kategori pekerjaan sebagai prediktor kategoris:
Pergi ke Grafik> Legacy> Scatter:
Pilih saja sebar sebar sederhana saja. Kemudian, isi variabel:
Anda kemudian akan melihat plot pencar. Klik dua kali pada plot pencar untuk membuka editor bagan. Di bagian atas, klik ikon untuk "paskan baris dengan subkelompok." Lihat foto di bawah:
Selesai:
Sekarang, apakah Anda menggunakan variabel gaji asli sebagai hasil atau gaji yang diprediksi sebagai hasil yang disesuaikan dengan sepertiga lainnya atau lebih prediktor adalah masalah tujuan Anda. Gaji asli akan lebih cocok sebagai eksplorasi, sementara gaji yang diprediksi akan lebih cocok sebagai penyajian hasil regresi Anda.
Terima kasih! Ini menegaskan apa yang saya lakukan adalah ok, saya memiliki kovariat lain yang terlibat sehingga saya harus menggunakan hasil yang diprediksi (disimpan sebagai tidak standar dalam model regresi). Ini sangat membantu!
Andreea
Saya memiliki pertanyaan lain: saya tidak yakin bahwa saya harus tetap dengan prediktor yang terus-menerus dalam analisis regresi saya, sebagai asosiasi, walaupun signifikan sebelum dan setelah penyesuaian, mereka tampaknya didorong oleh pencilan besar. Jika saya membagi prediktor saya menjadi 3 kategori (frekuensi nol, di bawah dan di atas median), maka saya tidak memiliki hubungan yang signifikan dengan hasil berkelanjutan. Adakah saran tentang cara terbaik untuk pergi? terima kasih
Andreea
Berapa banyak "pencilan besar" yang kita bicarakan? Apakah Anda memiliki informasi tidak biasa lainnya tentang mereka yang dapat membenarkan pengecualian mereka dari sampel Anda? Jika ini bukan masalah pencilan daripada distribusi yang tidak normal, Anda dapat mempertimbangkan pemasangan GLM yang kuat / nonparametrik untuk mengurangi bias dalam hasil Anda.
Nick Stauner
Terima kasih untuk sarannya. Hasil kontinu saya tampaknya tidak terdistribusi normal ketika saya melakukan hystogram, tetapi ketika saya melakukan plot residu (menyimpan residu terstandarisasi dalam GLM), dan saya mencari sebaran persegi panjang, mereka sepertinya cocok dengan pola ini, yang menyarankan tingkat variasi yang serupa di seluruh rentang nilai prediksi, jadi tidak apa-apa saya akan mengatakan. Dalam hal outlier, tampaknya ada antara 1-3 outlier yang menilai dari sebar plot (sepertinya saya tidak bisa menyalin-tempel plot di sini). Saya tidak pernah bekerja dengan GLM nonparametrik jadi tidak yakin di mana menemukannya di SPSS
Cukup dengan menanggapi komentar berikut:
Inilah cara melakukannya di SPSS. Saya menggunakan
Employee.sav
data sebagai contoh. Misalkan kita ingin menggunakan gaji sebagai hasil, gaji awal sebagai prediktor berkelanjutan dan kategori pekerjaan sebagai prediktor kategoris:Pergi ke Grafik> Legacy> Scatter:
Pilih saja sebar sebar sederhana saja. Kemudian, isi variabel:
Anda kemudian akan melihat plot pencar. Klik dua kali pada plot pencar untuk membuka editor bagan. Di bagian atas, klik ikon untuk "paskan baris dengan subkelompok." Lihat foto di bawah:
Selesai:
Sekarang, apakah Anda menggunakan variabel gaji asli sebagai hasil atau gaji yang diprediksi sebagai hasil yang disesuaikan dengan sepertiga lainnya atau lebih prediktor adalah masalah tujuan Anda. Gaji asli akan lebih cocok sebagai eksplorasi, sementara gaji yang diprediksi akan lebih cocok sebagai penyajian hasil regresi Anda.
sumber