如何解决多元回归相关效应
我想研究两个自变量对一个因变量的影响。假设我们有 X1、X2 自变量和 Y 因变量。
我使用两种不同的方法。在第一种方法中，为了消除 X1 对 Y 的影响，我生成 Y|X1 的条件分布并使用第二个变量 X2 执行回归。当我检查 X2 和 Y|X1 之间的相关性时，我获得了相对较高的相关性（R2>0.50）。但是，当我对大范围的数据（X1 和 X2）执行多元回归时，X2 对 Y 的影响会降低并且变得不显着。这些方法如何产生相互矛盾的结果？对于给定的 X1 值，确定 X2 对 Y 的影响的最合适方法是什么？谢谢。
解决方法
以数学符号形式查看代码或上述内容可能会很好。 例如：您是否包括常数项？
你在什么时候看到了什么：
Y = B0 + B1X1 + B2X2
这将是最容易检查的，而 B2 可能会给你你想要的东西。
该模型仍然很简单，您可以探索以下内容：
Y = B0 + B1X1 + B2X2 + B3X1X2
或
Y = B0 + B1X1 + B2X2 + B3X1X2 + B4X1^2 + B5X2^2
看看系数是否有变化，是否有新的显着系数。
您可以进一步探索Structural Equation Models
版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 dio@foxmail.com 举报，一经查实，本站将立刻删除。
