значение
Первое, что нужно сделать, это ввести в действие «важность предикторов». Я предполагаю, что это означает что-то вроде «чувствительности среднего результата к изменениям значений предикторов». Поскольку ваши предикторы сгруппированы, то чувствительность среднего результата к группам предикторов более интересна, чем переменная при анализе переменных. Я оставляю это открытым, понимается ли чувствительность причинно. Эта проблема поднимается позже.
Три версии важности
Много различий объяснили : я предполагаю, что первым портом захода психологов, вероятно, является разложение дисперсии, приводящее к показателю того, насколько дисперсия результата объясняется структурой дисперсии-ковариации в каждой группе предикторов. Не будучи экспериментатором, я не могу здесь многое предложить, кроме как отметить, что вся концепция «объяснение дисперсии» на мой вкус немного необоснованна, даже без вопроса «какая сумма каких квадратов». Другие могут не согласиться и развивать его дальше.
Большие стандартизированные коэффициенты : SPSS предлагает (неправильно названную) бета-версию для измерения воздействия способом, сопоставимым по переменной. Есть несколько причин не использовать это, обсуждаемые в учебнике регрессии Фокса, здесь и в других местах. Все применяются здесь. Это также игнорирует групповую структуру.
С другой стороны, я полагаю, что можно стандартизировать предикторы в группах и использовать ковариационную информацию, чтобы судить о влиянии одного стандартного отклонения во всех из них. Лично девиз: «если что-то не стоит делать, не стоит делать хорошо», мой интерес к этому уменьшается.
Большие предельные эффекты : Другой подход заключается в том, чтобы оставаться в масштабе измерений и рассчитывать предельные эффекты между тщательно выбранными точками выборки. Поскольку вас интересуют группы, полезно выбирать точки для изменения групп переменных, а не отдельных, например, манипулируя обеими когнитивными переменными одновременно. (Много возможностей для классных участков здесь). Основная статья здесь . effects
Пакет в R будет делать это красиво.
Здесь есть две оговорки:
Если вы сделаете это, вы захотите обратить внимание на то, что вы не выбираете две когнитивные переменные, которые, хотя и являются индивидуально правдоподобными, например, медианы, совместно далеки от любого предметного наблюдения.
Некоторые переменные даже теоретически не поддаются манипулированию, поэтому интерпретация предельных эффектов как причинно-следственных связей является более деликатной, хотя и полезной.
Разное количество предикторов
Проблемы возникают из-за ковариационной структуры сгруппированных переменных, о которой мы обычно стараемся не беспокоиться, а для этой задачи.
В частности, при расчете предельных эффектов (или стандартизированных по этому вопросу коэффициентов) на группы, а не на отдельные переменные, прокрутка размерности для более крупных групп облегчит сравнения для областей, где нет случаев. Больше предикторов в группе приводит к более малонаселенному пространству, поэтому любая мера важности будет зависеть больше от предположений модели и меньше от наблюдений (но не скажу вам, что ...) Но это те же проблемы, что и на этапе подбора модели действительно. Конечно, те же, которые возникают при оценке причинно-следственных связей на основе моделей.