Расчетный параметр в регрессионной модели ) изменитсяесли переменные,XJ, добавляются к моделикоторая является: β^iXj
- коррелирует с соответствующей переменной этого параметра, (которая уже была в модели), иXi
- коррелирует с переменной ответа, Y
Расчетная бета-версия не изменится при добавлении новой переменной, если что-либо из вышеперечисленного не связано. Обратите внимание , что ли они некоррелированных в популяции (т.е. , или р ( X J , Yρ(Xi,Xj)=0 ) не имеет значения. Важно то, что обевыборочные корреляцииравны0. По сути, это никогда не будет иметь место на практике, если вы не работаете с экспериментальными данными, в которых переменными манипулировали так, что они не коррелированы по конструкции. ρ(Xj,Y)=00
Также обратите внимание, что величина изменения параметров может быть не очень значимой (это зависит, по крайней мере частично, от вашей теории). Кроме того, количество, которое они могут изменить, является функцией величин двух корреляций выше.
С другой стороны, не совсем правильно думать об этом явлении как о «коэффициенте данной переменной, на который влияет коэффициент другой переменной». Это не бета-версии , которые влияют друг на друга. Это явление является естественным результатом алгоритма, который статистическое программное обеспечение использует для оценки параметров наклона. Представьте себе ситуацию, когда вызван как X i, так и X j , которые, в свою очередь, связаны друг с другом. Если в модели присутствует только X i , то некоторые изменения Y , связанные с X j, будут ненадлежащим образом отнесены к X i.YXiXjXiYXjXi, Это означает, что значение смещено; это называется опущенной переменной смещением . Xi
multivariable
имеете в виду несколько независимых переменных («множественная регрессия») или несколько зависимых переменных («многомерная регрессия» или «MAN (C) OVA»)?