Acabei de ler um artigo em que os autores realizaram uma regressão múltipla com dois preditores. O valor geral ao quadrado de r foi 0,65. Eles forneceram uma tabela que dividiu o quadrado do r entre os dois preditores. A tabela ficou assim:
rsquared beta df pvalue
whole model 0.65 NA 2, 9 0.008
predictor 1 0.38 1.01 1, 10 0.002
predictor 2 0.27 0.65 1, 10 0.030
Neste modelo, executado R
usando o mtcars
conjunto de dados, o valor geral do quadrado do r é 0,76.
summary(lm(mpg ~ drat + wt, mtcars))
Call:
lm(formula = mpg ~ drat + wt, data = mtcars)
Residuals:
Min 1Q Median 3Q Max
-5.4159 -2.0452 0.0136 1.7704 6.7466
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) 30.290 7.318 4.139 0.000274 ***
drat 1.442 1.459 0.989 0.330854
wt -4.783 0.797 -6.001 1.59e-06 ***
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
Residual standard error: 3.047 on 29 degrees of freedom
Multiple R-squared: 0.7609, Adjusted R-squared: 0.7444
F-statistic: 46.14 on 2 and 29 DF, p-value: 9.761e-10
Como posso dividir o valor do quadrado r entre as duas variáveis preditoras?
Respostas:
Você pode simplesmente obter as duas correlações separadas e quadrá-las ou executar dois modelos separados e obter o R ^ 2. Eles somarão apenas se os preditores forem ortogonais.
fonte
Além da resposta de John , você pode obter as correlações semi-parciais ao quadrado para cada preditor.
Se você está procurando uma função R existe
spcor()
nappcor
pacote.Você também pode considerar o tópico mais amplo da avaliação da importância das variáveis na regressão múltipla (por exemplo, consulte esta página sobre o pacote relaimpo ).
fonte
Eu adicionei a variância-decomposição tag à sua pergunta. Aqui está parte do seu wiki de tags :
Grömping (2007, The American Statistician ) fornece uma visão geral e aponta a literatura no contexto da avaliação de importância variável.
fonte
y ~ a + b
y ~ b + a
y ~ a
y ~ a + b
y ~ b
y ~ a + b
y ~ b + a
a
a
b
y~1
y~a
b
y~b
y~a+b