@whuber дал действительно отличный ответ здесь. Я просто хочу добавить небольшой приветственный комментарий. В вопросе говорится, что «линейное отношение предиктора и данных не интерпретируется». Это намекает на общее недоразумение, хотя я обычно слышу его на другом конце («какова интерпретация квадратного [кубического и т. Д.] Термина?»).
Когда у нас есть модель с несколькими различными ковариатами, каждому бета [термину] обычно может быть предоставлена своя интерпретация. Например, если:
GPAˆcollege=β0+β1GPAhighschool+β2class rank+β3SAT,
(Средний балл означает средний балл;
ранг - это порядок среднего балла учащегося относительно других учащихся той же средней школы; &
SAT означает «тест на учебную способность» - стандартный общенациональный тест для студентов, поступающих в университет)
тогда мы можем назначить отдельные интерпретации для каждого бета / термина. Например, если средний балл ученика старшей школы был на 1 балл выше - при прочих равных условиях - мы ожидаем, что их средний балл колледжа будет балла выше. β1
Однако важно отметить, что не всегда допустимо толковать модель таким образом. Один очевидный случай - когда есть взаимодействие между некоторыми из переменных, так как было бы невозможно для отдельного члена отличаться и все еще иметь постоянное значение - по необходимости, член взаимодействия также изменился бы. Таким образом, когда есть взаимодействие, мы не интерпретируем основные эффекты, а только простые эффекты , как это хорошо понятно.
Ситуация с властными терминами прямо аналогична, но, к сожалению, не очень понятна. Рассмотрим следующую модель:
(В этой ситуации, . Предназначена для представления прототипичный непрерывного ковариативным) Это не возможно для до изменения без изменяющимися также, и наоборот. Проще говоря, когда в модели есть полиномиальные термины, различные термины, основанные на одном и том же лежащем в основе ковариате, не допускаются в отдельных интерпретациях. ( , , и т.д.) термин не имеет никакого самостоятельного значения. Тот факт, что
y^=β0+β1x+β2x2
xxx2x2xx17pПолиномиальный термин «сила» «значительный» в модели указывает на наличие «изгибов» в функции, относящейся к и . К сожалению, но неизбежно, что, когда кривизна существует, интерпретация становится более сложной и, возможно, менее интуитивной. Чтобы оценить изменение в при изменении , нам нужно использовать исчисление. Производная от вышеуказанной модели:
которая представляет собой мгновенную скорость изменения ожидаемого значения при изменении , при прочих равных условиях. Это не так чисто, как интерпретация самой топовой модели; Важно отметить, что мгновенная скорость изменения
p−1xyy^x
dydx=β1+2β2x
yxy зависит от уровня с которого оценивается изменениеx . Кроме того, скорость изменения является мгновенной скоростью; то есть оно само непрерывно изменяется в течение интервала от до . Это просто природа криволинейных отношений.
yxoldxnew