Słownik metodologiczny · Statystyka opisowa

Metoda wprowadzania

Pełne wyjaśnienie, zastosowanie naukowe i praktyczne, przykład, dobre praktyki oraz gotowy zapis wyniku w APA 7.

Strona główna / Słownik / Metoda wprowadzania

Opracowanie merytoryczne: · Opublikowano: · Aktualizacja:

Co oznacza Metoda wprowadzania?

Metoda wprowadzania umieszcza w modelu jednocześnie cały zestaw predyktorów określony przez badacza, bez automatycznej selekcji.

Zastosowanie, warunki i dobre praktyki

Wprowadzenie wszystkich zaplanowanych predyktorów jednocześnie pozwala interpretować każdy współczynnik jako warunkowy względem pozostałych. Chroni przed częścią niestabilności automatycznej selekcji, ale nie gwarantuje poprawnego modelu. Zestaw zmiennych powinien wynikać z teorii i projektu, a diagnostyka nadal musi obejmować współliniowość, postać funkcji i liczbę parametrów względem danych.

Najważniejsze zastosowanie: Używaj ostrożnie, najlepiej w celach predykcyjnych z walidacją i z uwzględnieniem teorii.

Jak poprawnie stosować i interpretować hasło „Metoda wprowadzania”?

W przypadku pojęcia „Metoda wprowadzania” kluczowa jest reguła określająca, które predyktory wchodzą do modelu i w jakiej kolejności. W analizie dotyczącej hasła „Metoda wprowadzania” kolejność powinna wynikać z teorii, projektu albo jawnego celu predykcyjnego. Dla interpretacji hasła „Metoda wprowadzania” automatyczny wybór na podstawie wartości p wykorzystuje przypadkowość tej samej próby i może dawać zbyt optymistyczne współczynniki oraz niestabilny zestaw zmiennych.

Ocena pojęcia „Metoda wprowadzania” wymaga porównania stabilności wyboru w resamplingu lub nowych danych. W odniesieniu do hasła „Metoda wprowadzania” predyktory potrzebne do kontroli zakłócenia nie powinny znikać tylko dlatego, że nie osiągają progu istotności. Przy ocenie hasła „Metoda wprowadzania” dla modeli zagnieżdżonych można porównać zmianę R² lub kryterium informacyjne, ale decyzja nadal musi odpowiadać wcześniej zdefiniowanemu pytaniu.

Co trzeba opisać w raporcie?

Raport dotyczący „Metoda wprowadzania” powinien dokładnie opisać bloki, kolejność, kryteria wejścia lub usunięcia i pełną listę rozważanych predyktorów. W analizie dotyczącej hasła „Metoda wprowadzania” należy pokazać wynik modeli pośrednich, a analizę po selekcji oznaczyć jako obciążoną procesem wyboru. Dla interpretacji hasła „Metoda wprowadzania” w projekcie predykcyjnym podaje się jakość na danych walidacyjnych.

Zakres raportowania dla hasła „Metoda wprowadzania”: Opisz pełny zbiór kandydatów, kryterium selekcji i walidację.

Przykład praktyczny i gotowa interpretacja

Sytuacja: Do regresji jednocześnie wprowadzono pięć predyktorów określonych przed analizą. Każdy współczynnik opisuje związek przy stałych wartościach pozostałych czterech zmiennych.

Jak ją zinterpretować: Każdy współczynnik opisuje związek warunkowy przy jednoczesnej obecności wszystkich zaplanowanych predyktorów. Wynik zależy od ich kodowania i współliniowości, ale unika wielokrotnego dopasowywania charakterystycznego dla stepwise.

Najczęstsza pułapka i granica interpretacji

Jednoczesne wprowadzenie predyktorów nie chroni przed współliniowością, złym doborem zmiennych ani przeuczeniem.

Model uzyskany przez „Metoda wprowadzania” nie identyfikuje automatycznie „najważniejszych przyczyn”. W odniesieniu do hasła „Metoda wprowadzania” zmiana próby może wybrać inny zestaw zmiennych, a nieuwzględniona niepewność selekcji prowadzi do zbyt wąskich przedziałów i zbyt małych wartości p.

Definicje, zalecenia interpretacyjne i sposób raportowania oparto na literaturze metodologicznej wskazanej w bibliografii (Appelbaum et al., 2018).

Powiązane hasła

Metoda największej wiarygodnościDominanta (modalna, moda)HistogramKanon jednej różnicyKryterium procenta wyjaśnianej wariancjiKrzywa ROC

Poradniki, w których użyjesz tego pojęcia

Poradnik

Wartość p: co naprawdę oznacza i jak ją poprawnie interpretować

Wartość p bez mitów: definicja, interpretacja, typowe błędy oraz sposób raportowania wraz z wielkością efektu i przedziałem ufności.

Czytaj →Poradnik

Regresja logistyczna: założenia, interpretacja i raportowanie modelu

Regresja logistyczna w praktyce: założenia, iloraz szans, diagnostyka, kalibracja, AUC oraz zasady rzetelnego raportowania modelu.

Czytaj →Poradnik

Modelowanie równań strukturalnych (SEM): od teorii do raportu

SEM bez skrótów myślowych: model pomiarowy i strukturalny, CB-SEM a PLS-SEM, dopasowanie, założenia oraz raportowanie wyników.

Czytaj →

Potrzebujesz wsparcia w analizie danych?

Wybierz ofertę dopasowaną do pracy dyplomowej albo profesjonalnego projektu naukowego.

Oferta dla badaczyOferta dla studentów

Bibliografia i dalsza literatura naukowa (APA 7)

  1. Appelbaum, M., Cooper, H., Kline, R. B., Mayo-Wilson, E., Nezu, A. M., & Rao, S. M. (2018). Journal article reporting standards for quantitative research in psychology: The APA Publications and Communications Board task force report. American Psychologist, 73(1), 3–25. https://doi.org/10.1037/amp0000191
  2. Wilkinson, L., & Task Force on Statistical Inference. (1999). Statistical methods in psychology journals: Guidelines and explanations. American Psychologist, 54(8), 594–604. https://doi.org/10.1037/0003-066X.54.8.594
  3. Lang, T. A., & Altman, D. G. (2015). Basic statistical reporting for articles published in biomedical journals: The SAMPL guidelines. International Journal of Nursing Studies, 52(1), 5–9. https://doi.org/10.1016/j.ijnurstu.2014.09.006
  4. Altman, D. G. (2015). Making research articles fit for purpose: Structured reporting of key methods and findings. Trials, 16, 53. https://doi.org/10.1186/s13063-015-0575-7
  5. Wasserstein, R. L., & Lazar, N. A. (2016). The ASA statement on p-values: Context, process, and purpose. The American Statistician, 70(2), 129–133. https://doi.org/10.1080/00031305.2016.1154108
  6. Greenland, S., Senn, S. J., Rothman, K. J., Carlin, J. B., Poole, C., Goodman, S. N., & Altman, D. G. (2016). Statistical tests, P values, confidence intervals, and power: A guide to misinterpretations. European Journal of Epidemiology, 31(4), 337–350. https://doi.org/10.1007/s10654-016-0149-3

Cytowania BibTeX

@article{appelbaum2018jars, author={Appelbaum, Mark and Cooper, Harris and Kline, Rex B. and Mayo-Wilson, Evan and Nezu, Arthur M. and Rao, Stephen M.}, title={Journal article reporting standards for quantitative research in psychology}, journal={American Psychologist}, year={2018}, volume={73}, number={1}, pages={3--25}, doi={10.1037/amp0000191}}
@article{wilkinson1999statistical, author={Wilkinson, Leland and {Task Force on Statistical Inference}}, title={Statistical methods in psychology journals: Guidelines and explanations}, journal={American Psychologist}, year={1999}, volume={54}, number={8}, pages={594--604}, doi={10.1037/0003-066X.54.8.594}}
@article{lang2015sampl, author={Lang, Thomas A. and Altman, Douglas G.}, title={Basic statistical reporting for articles published in biomedical journals: the SAMPL guidelines}, journal={International Journal of Nursing Studies}, year={2015}, volume={52}, number={1}, pages={5--9}, doi={10.1016/j.ijnurstu.2014.09.006}}
@article{altman2015reporting, author={Altman, Douglas G.}, title={Making research articles fit for purpose: structured reporting of key methods and findings}, journal={Trials}, year={2015}, volume={16}, pages={53}, doi={10.1186/s13063-015-0575-7}}
@article{wasserstein2016pvalues, author={Wasserstein, Ronald L. and Lazar, Nicole A.}, title={The ASA Statement on p-Values: Context, Process, and Purpose}, journal={The American Statistician}, year={2016}, volume={70}, number={2}, pages={129--133}, doi={10.1080/00031305.2016.1154108}}
@article{greenland2016misinterpretations, author={Greenland, Sander and Senn, Stephen J. and Rothman, Kenneth J. and Carlin, John B. and Poole, Charles and Goodman, Steven N. and Altman, Douglas G.}, title={Statistical tests, P values, confidence intervals, and power: a guide to misinterpretations}, journal={European Journal of Epidemiology}, year={2016}, volume={31}, number={4}, pages={337--350}, doi={10.1007/s10654-016-0149-3}}
R