Differences

This shows you the differences between two versions of the page.

--- multiple_regression_examples [2019/11/01 13:22] – [Backward elimination] hkimscil
+++ multiple_regression_examples [2020/12/01 17:22] – [각각의 독립변인이 고유하게 미치는 영향력은 (설명력은) 무엇인지를 본다] hkimscil
@@ Line 1: / Line 1: @@
-====== Multiple Regression with Two Predictor Variables ======
+====== Multiple Regression e.gs. ======
+====== E.g. 1 ======
+{{:d.yyk.csv}}
+<code>
+d.yyk <- read.csv("http://commres.net/wiki/_media/d.yyk.csv")
+d.yyk
+d.yyk <- subset(d.yyk, select = -c(1))
+d.yyk
+</code>
+<code>
+> d.yyk <- subset(d.yyk, select = -c(1))
+> d.yyk
+    bmi stress happiness
+  15.1      2         4
+  15.3      2         4
+  16.4      1         5
+  16.3      2         4
+  17.5      2         3
+  18.8      2         4
+  19.2      2         3
+  20.3      1         4
+  21.3      1         4
+21.3      2         4
+22.4      2         5
+23.5      2         5
+23.7      2         4
+24.2      3         3
+24.3      3         3
+25.6      2         3
+26.4      3         3
+26.4      3         2
+26.4      3         2
+27.5      3         3
+28.6      3         2
+28.2      4         2
+31.3      3         2
+32.1      4         1
+33.1      4         1
+33.2      5         1
+34.4      5         1
+35.8      5         1
+36.1      5         1
+38.1      5         1
+</code>
+우선 여기에서 종속변인인 (dv) happiness에 bmi와 stress를 리그레션 해본다.
+<code>
+attach(d.yyk)
+lm.happiness.bmistress <- lm(happiness ~ bmi + stress, data=d.yyk)
+summary(lm.happiness.bmistress)
+anova(lm.happiness.bmistress)
+</code>
+<code>
+> attach(d.yyk)
+> lm.happiness.bmistress <- lm(happiness ~ bmi + stress, data=d.yyk)
+> summary(lm.happiness.bmistress)
+Call:
+lm(formula = happiness ~ bmi + stress, data = d.yyk)
+Residuals:
+     Min       1Q   Median       3Q      Max
+-0.89293 -0.40909  0.08816  0.29844  1.46429
+Coefficients:
+            Estimate Std. Error t value Pr(>|t|)
+(Intercept)  6.29098    0.50779  12.389 1.19e-12 ***
+bmi         -0.05954    0.03626  -1.642  0.11222
+stress      -0.67809    0.19273  -3.518  0.00156 **
+---
+Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
+Residual standard error: 0.5869 on 27 degrees of freedom
+Multiple R-squared:  0.8217,	Adjusted R-squared:  0.8085
+F-statistic: 62.22 on 2 and 27 DF,  p-value: 7.76e-11
+>
+>
+> anova(lm.happiness.bmistress)
+Analysis of Variance Table
+Response: happiness
+          Df Sum Sq Mean Sq F value    Pr(>F)
+bmi        1 38.603  38.603 112.070 4.124e-11 ***
+stress     1  4.264   4.264  12.378  0.001558 **
+Residuals 27  9.300   0.344
+---
+Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
+>
+</code>
+위의 분석을 보면
+R<sup>2</sup> = 0.8217, F (2, 27) = 62.77, p = 7.76e-11
+그러나, coefficient 값을 보면 bmi는 significant 하지 않고, stress는 significant하다. 이는 R제곱에 영향을 주는 것으로 stress가 주이고 bmi의 영향력은 미미하다고 하다는 결론을 내리도록 해준다. 그러나, [[:multiple regression]]에서 언급한 것처럼 독립변인이 두 개 이상일 때에는 무엇이 얼마나 종속변인에 영향을 주는지 그림을 그릴 수 있어야 하므로, 아래와 같이 bmi만을 가지고 regression을 다시 해본다.
+<code>
+lm.happiness.bmi <- lm(happiness ~ bmi, data=d.yyk)
+summary(lm.happiness.bmi)
+anova(lm.happiness.bmi)
+</code>
+<code>
+> lm.happiness.bmi <- lm(happiness ~ bmi, data=d.yyk)
+>
+> summary(lm.happiness.bmi)
+Call:
+lm(formula = happiness ~ bmi, data = d.yyk)
+Residuals:
+     Min       1Q   Median       3Q      Max
+-1.20754 -0.49871 -0.03181  0.35669  1.83265
+Coefficients:
+            Estimate Std. Error t value Pr(>|t|)
+(Intercept)  7.24143    0.50990  14.202 2.54e-14 ***
+bmi         -0.17337    0.01942  -8.927 1.11e-09 ***
+---
+Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
+Residual standard error: 0.696 on 28 degrees of freedom
+Multiple R-squared:   0.74,	Adjusted R-squared:  0.7307
+F-statistic: 79.69 on 1 and 28 DF,  p-value: 1.109e-09
+> anova(lm.happiness.bmi)
+Analysis of Variance Table
+Response: happiness
+          Df Sum Sq Mean Sq F value    Pr(>F)
+bmi        1 38.603  38.603  79.687 1.109e-09 ***
+Residuals 28 13.564   0.484
+---
+Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
+>
+</code>
+놀랍게도 bmi 하나만을 가지고 regression을 했더니, R제곱 값이 .74이었다 (F(1,28) = 79.69, p = 1.109e-09). 이런 결과가 나올 수 있는 이유는 독립변인인 bmi와 stress 간의 상관관계가 높아서 처음 분석에서 그 영향력을 (설명력, R제곱에 기여하는 부분을) 하나의 독립변인이 모두 가졌갔기 때문이라고 생각할 수 있다. 이 경우에는 그 독립변인이 stress이다.
+happiness에 stress 만을 regression 해본 결과는 아래와 같다.
+<code>
+lm.happiness.stress <- lm(happiness ~ stress, data = d.yyk)
+summary(lm.happiness.stress)
+anova(lm.happiness.stress)
+</code>
+<code>
+> lm.happiness.stress <- lm(happiness ~ stress, data = d.yyk)
+> summary(lm.happiness.stress)
+Call:
+lm(formula = happiness ~ stress, data = d.yyk)
+Residuals:
+    Min      1Q  Median      3Q     Max
+-0.7449 -0.6657  0.2155  0.3343  1.3343
+Coefficients:
+            Estimate Std. Error t value Pr(>|t|)
+(Intercept)  5.58651    0.27965   19.98  < 2e-16 ***
+stress      -0.96041    0.08964  -10.71 2.05e-11 ***
+---
+Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
+Residual standard error: 0.6044 on 28 degrees of freedom
+Multiple R-squared:  0.8039,	Adjusted R-squared:  0.7969
+F-statistic: 114.8 on 1 and 28 DF,  p-value: 2.053e-11
+> anova(lm.happiness.stress)
+Analysis of Variance Table
+Response: happiness
+          Df Sum Sq Mean Sq F value    Pr(>F)
+stress     1 41.938  41.938   114.8 2.053e-11 ***
+Residuals 28 10.229   0.365
+---
+Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
+>
+>
+</code>
+R제곱값은 0.80로 (F(1, 28) = 114.8, 2.053e-11) 스트레스만으로도 significant한 결과를 갖는다.
+그렇다면 stress 와 bmi가 공통으로 기여하는 부분을 뺀 순수 기여분은 어떻게 될까? 즉, 위의 .80 부분 중 bmi와 공통으로 기여하는 부분을 제외한 나머지는 얼마일까? 보통 이와 같은 작업을 bmi의 (다른 독립변인의) 영향력을 제어하고 (control) 순수기여분만을 살펴본다고 이야기 한다.
+이를 위해서 아래를 계획, 수행해본다.
+  - 각각의 독립변인이 고유하게 미치는 영향력은 (설명력은) 무엇인지를 본다.
+  - 공통설명력은 얼마나 되는지 본다.
+  - 1을 위해서는 각 독립변인과 종속변인인 happiness의 semi-partial correlation값을 구해서 제곱해보면 되겠다.
+  - 2를 위해서는 두 독립변인을 써서 구했던 r 제곱값에서 위의 1에서 구한 제곱값들을 제외한 나머지를 보면 된겠다.
+  * 결론을 내기 위한 계획을 세우고 실행한다.
+  * 이는 아래와 같이 정리할 수 있다
+{{:pasted:20201201-170048.png}}
+===== 각각의 독립변인이 고유하게 미치는 영향력은 (설명력은) 무엇인지를 본다 =====
+<code>
+> spcor(d.yyk)
+$estimate
+                 bmi     stress  happiness
+bmi        1.0000000  0.2730799 -0.1360657
+stress     0.2371411  1.0000000 -0.2532032
+happiness -0.1334127 -0.2858909  1.0000000
+$p.value
+                bmi    stress happiness
+bmi       0.0000000 0.1517715 0.4815643
+stress    0.2154821 0.0000000 0.1850784
+happiness 0.4902316 0.1327284 0.0000000
+$statistic
+                 bmi    stress  happiness
+bmi        0.0000000  1.475028 -0.7136552
+stress     1.2684024  0.000000 -1.3600004
+happiness -0.6994855 -1.550236  0.0000000
+$n
+[1] 30
+$gp
+[1] 1
+$method
+[1] "pearson"
+>
+>
+</code>
+happiness에 영향을 주는 변인을 보는 것이므로
+<code>
+                 bmi    stress
+happiness -0.1334127 -0.2858909
+</code>
+를 본다. 그리고 이 값의 제곱값이 각 독립변인의 고유 설명력이다.
+<code>
+> (-0.1334127)^2
+[1] 0.01779895
+> (-0.2858909)^2
+[1] 0.08173361
+>
+</code>
+즉, '' stress: 8.1% '' 와 '' bmi: 1.78% '' 만이 독립변인의 고유영향력이고 이를 제외한 '' 82.17 - (9.88) = 72.29 '' 가 공통영향력이라고 하겠다.
+이를 파티션을 하면서 직접 살펴보려면
+  * 우선 $\frac{b}{a+b+c+d}$ 를 보려고 한다.
+  * 그림에서 m.bmi <- lm((a+b+c+d)~(b+e)) 와 같이 한후에 r제곱값을 보고, sqrt 하면 r값을 알 수 있다.
+  * b+e를 구하려면 lm(bmi~stress)를 한후, 그 residual을 보면 된다.
+  * a+b+c+d 는 happiness 그 자체이다.
+<code>
+m.bmi <- lm(bmi ~ stress)
+mod <- lm(happiness ~ resid(m.bmi))
+summary(mod)
+</code>
+<code>
+> m.bmi <- lm(bmi ~ stress)
+> mod <- lm(happiness ~ resid(m.bmi))
+> summary(mod)
+Call:
+lm(formula = happiness ~ resid(m.bmi))
+Residuals:
+     Min       1Q   Median       3Q      Max
+-1.97283 -0.94440  0.05897  0.97961  2.29664
+Coefficients:
+             Estimate Std. Error t value Pr(>|t|)
+(Intercept)   2.83333    0.24698  11.472 4.27e-12 ***
+resid(m.bmi) -0.05954    0.08358  -0.712    0.482
+---
+Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
+Residual standard error: 1.353 on 28 degrees of freedom
+Multiple R-squared:  0.0178,	Adjusted R-squared:  -0.01728
+F-statistic: 0.5074 on 1 and 28 DF,  p-value: 0.4822
+</code>
+위의 분석에서 R-square 값인 0.0178 이 bmi의 고유의 설명력이다. r값은 sqrt(0.0178)이다. 그리고, 위의 모델은 significant하지 않음을 주목한다.
+다음으로 $\frac {d}{a+b+c+d}$을 구해서 stress 고유설명력을 본다. 이제는
+<code>
+m.stress <- lm(stress ~ bmi)
+mod2 <- lm(happiness ~ resid(m.stress))
+sumary(mod2)
+</code>
+<code>
+> m.stress <- lm(stress ~ bmi)
+> mod2 <- lm(happiness ~ resid(m.stress))
+> summary(mod2)
+Call:
+lm(formula = happiness ~ resid(m.stress))
+Residuals:
+    Min      1Q  Median      3Q     Max
+-1.9383 -1.2297  0.2170  0.9804  1.9284
+Coefficients:
+                Estimate Std. Error t value Pr(>|t|)
+(Intercept)       2.8333     0.2388  11.865 1.95e-12 ***
+resid(m.stress)  -0.6781     0.4295  -1.579    0.126
+---
+Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
+Residual standard error: 1.308 on 28 degrees of freedom
+Multiple R-squared:  0.08173,	Adjusted R-squared:  0.04894
+F-statistic: 2.492 on 1 and 28 DF,  p-value: 0.1256
+>
+</code>
+Multiple R-squared 인 0.08173 이 고유 설명력이고, 이 또한 significant 하지 않다.
+.08173 값과 0.0178을 더한 값을 제외한 lm(happiness~bmi+stress) 에서의 R-squared 값이 공통설명력이 된다. 아래의 분석 결과에서 Multiple R-squared:  0.8217 이 두 변인을 모두 합한 설명력이다.
+<code>
+m.both <- lm(happiness~bmi+stress)
+summary(m.both)
+</code>
+<code>
+> m.both <- lm(happiness~bmi+stress)
+> summary(m.both)
+Call:
+lm(formula = happiness ~ bmi + stress)
+Residuals:
+     Min       1Q   Median       3Q      Max
+-0.89293 -0.40909  0.08816  0.29844  1.46429
+Coefficients:
+            Estimate Std. Error t value Pr(>|t|)
+(Intercept)  6.29098    0.50779  12.389 1.19e-12 ***
+bmi         -0.05954    0.03626  -1.642  0.11222
+stress      -0.67809    0.19273  -3.518  0.00156 **
+---
+Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
+Residual standard error: 0.5869 on 27 degrees of freedom
+Multiple R-squared:  0.8217,	Adjusted R-squared:  0.8085
+F-statistic: 62.22 on 2 and 27 DF,  p-value: 7.76e-11
+</code>
+이 값은 0.72217 이다.
+<code>
+> 0.8217- (0.08173 + 0.0178)
+[1] 0.72217
+>
+</code>
+bmi나 stress 중 하나를 IV로 취하는 것이 좋다는 결론을 내린다.
+====== with Two Predictor Variables ======
 data file: {{:mlt06.sav}} from http://www.psychstat.missouristate.edu/multibook/mlt06.htm \\