[問題] "0"的影響力？ (代po)

[milk0925 (牛奶刺蝟)]

以下內容幫朋友代po ↓
------------------------------------------------

大家好~

有些統計上的問題我思考了許久仍不確定這樣的想法是否正確，

因此想尋求大家的見解。

(文略長請見諒)

在我的研究中需要做到中介效果，

然而在檢驗中介效果之前必須符合些基本假設，

而我也已經做了檢驗確定其符合這些前提假設，

但是其中有些比較特別的狀況讓我有些疑惑，

這裡說明以X為自變項，Y為依變項，M為中介變項，

我的Y值是用二元式量表計分而得，

亦即Y值是由每一題回答為「是」或「否」的題目組合而成，

而我在計分時將「是」計為1分，「否」計為0分，

最後所有題項加總的分數即為Y值。

我那個時候也很猶豫這樣的狀況我到底是應該要把Y視為類別變項嗎？

但是由於它又不是只以一題作為分析，

而是以量表中每一題的回答加總做為總分，

所以我依舊將其視為連續變項進行分析，

而測量M值的量表是採用李克特氏量表進行計分，

問題是：

  由於用來測量Y值的量表和用來測量M值的量表，

  其組成的每一題題項回答數值皆以「0」為起始分，

  亦即受試者有圈選0的可能，

  而結果也發現有一部份受試者在Y和M的總分為0，

  因為擔心這樣的情況會影響分析結果，

  所以就把可能的預測配對結果都試跑看看，

  亦即將測量Y值和M值的量表每一題修正為從「1」開始計值。

  結果發現，

  因為有部分的受試者在Y和M的得分都是0，

  結果若兩者都以原始方式計分(以0為起始分)，

  M對Y的解釋力為14%，

  但是若是以調整後的方式分析，

  不論是M值從1開始、Y維持從0開始，

  或是M和Y皆改為從1開始，

  M對Y的解釋力都只剩下4%，

  但其效果皆達顯著，

  因此想說是不是兩者皆為0的緣故導致調整後R^2嚴重膨脹？


--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 114.47.56.143
※ 文章網址: https://www.ptt.cc/bbs/Statistics/M.1453628303.A.6E7.html
推 evilove: you need to use logit reg
→ andrew43: 怪怪的。平移和伸縮應該不會改變相關程度。
→ andrew43: 你要不要檢查一下你在改變分數的過程有沒有出錯？
→ milk0925: andrew43大大你這麼一說我就有概念了(我對圖型的理解力
→ milk0925: 比較好~抱歉)，我晚點再重新確認跑跑看，謝謝!
→ milk0925: evilove大大，如果我用來測量Y的量表有加總分也要當它是
→ milk0925: 類別嗎？
→ milk0925: 我重新確認後還是一樣的結果TAT
→ milk0925: 「原始M對原始Y」和「原始M對調整後的Y」其調整後R^2皆
→ milk0925: 為14%，但「調整後M對調整後Y」和「調整後M對原始Y」皆
→ milk0925: 降為4%。
推 evilove: 看錯，你要先看Y的分佈再決定方法
→ milk0925: 如果Y的母群違反常態的可能性很高，是不是需要換成無母
→ milk0925: 數的迴歸方法才是正確的?
→ yhliu: 不一定需要用無母數方法. 比較需要考慮的是加總得的分數是
→ yhliu: 否確實有意義. 至於是用 0-1 去計分加銠, 或用 1-2 去計分
→ yhliu: 加總, 或仍是0-1計分加總但總分再加 1, 結果應泗應響迴歸式
→ yhliu: 的常數項.
→ milk0925: 聽到不一定要用無母數的方法覺得好感動喔～謝謝你們，
→ milk0925: 至少讓我心安了一下!因為這幾天想說可能得認命點使用無
→ milk0925: 母數的方法，嘗試去暸解後發現完全超出我的認知能力負
→ milk0925: 荷範圍，而且相對好像也比較少人去論述無母數的迴歸。
→ milk0925: 不過不曉得方不方便再讓我嘗試澄清其中的資訊，因為我
→ milk0925: 擔心有些小地方我不小心誤解了您的意思?   我的Y其實代
→ milk0925: 表著是臨床上若受試者勾選有出現量表中描述狀況的幾項，
→ milk0925: 以反應其因疾病受影響的程度，所以即便結果總分是0，應
→ milk0925: 該...在我的研究中是有意義的才是。這只是我自己的想法
→ milk0925: ，也許不盡然是對的，如果有其它的觀點我也很樂意聽聽
→ milk0925: 看，也許會讓我有機會發現自己的盲點:)
→ milk0925: 所以我想暸解的是，如果我設定的分數是有意義的前提之下
→ milk0925: ，那麼即便我的Y並非呈常態分配的話(其實我一直再想雖然
→ milk0925: 我的抽樣樣本約150份，呈現非統計學上常提的鐘型常態，
→ milk0925: 但我認為依據我想探究的現象，它其實母群幾乎也不太可
→ milk0925: 能是鐘型常態，反而比較可能是呈現我搜集到的樣本分布
→ milk0925: 狀態)，也能夠使用線性迴歸的關鍵原因為何?
→ andrew43: 回到問題本身。我還是覺得平移不會造成此問題。
→ andrew43: 所以我之前才會請你檢查你資料是不是出錯了。
→ andrew43: 要不要把再多統計結果報表貼出來看看？
→ milk0925: http: //ppt.cc/7j7gZ
→ milk0925: 上面這個網址是我M和Y皆用原始值計算分析出來的結果，因
→ milk0925: 為原始縮圖網址被PTT系統判定為暫停使用，因此我在http:
→ milk0925: 後方多增加了一個空格:)
→ milk0925: http: //ppt.cc/PYHKg  此則為使用調整後數值的結果
→ milk0925: 不知道圖片中的資料是否足夠判斷問題所在？
→ milk0925: 我剛剛找到問題所在了！因為有兩個預設系統轉換(調整)值
→ milk0925: 整個跳掉，導致被判讀成遺漏值，剛剛用人工補植的方式進
→ milk0925: 行修正後再重跑一次就好了！ 結果都是14%，是我太粗心了
→ milk0925: 對不起 v v 想說奇怪怎麼樣本數會不一樣。
→ milk0925: 不過我還是很想知道如果樣本和母群皆未常態，那麼依舊可
→ milk0925: 以使用linear regression的原因為何？
→ andrew43: 不要用這個圖床，題外話。
→ andrew43: 一般線模的前題是殘差獨立且常態。看殘差分配像不像常態
→ andrew43: 看看。
→ milk0925: 我有檢測過residual plots，不論是原始資料或是嘗試使用
→ milk0925: 課本上提到可以用來治療非常態的轉換方式，像是平方根、
→ milk0925: 立方、平方都試過，依舊無法使之成常態。