Słownik metodologiczny · Statystyka opisowa

Supresja

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

Strona główna / Słownik / Supresja

Opracowanie merytoryczne: · Opublikowano: · Aktualizacja:

Co oznacza Supresja?

Supresja występuje, gdy dodanie predyktora zwiększa zdolność innego predyktora do wyjaśniania Y przez usunięcie nieistotnej wariancji.

Zastosowanie, warunki i dobre praktyki

Supresja występuje, gdy dodanie predyktora zwiększa użyteczność innego współczynnika przez usunięcie wariancji niezwiązanej z wynikiem. Może prowadzić do wzrostu |β| lub zmiany znaku po kontroli. Nie musi oznaczać błędu, ale wymaga teorii, stabilności i porównania modeli, ponieważ podobny wzorzec może też wynikać ze współliniowości, przypadku lub błędnej specyfikacji.

Najważniejsze zastosowanie: Rozpoznawaj przez porównanie korelacji zerowych i współczynników warunkowych.

Jak poprawnie stosować i interpretować hasło „Supresja”?

Przy ocenie pojęcia „Supresja” analizuje się zależności między predyktorami oraz ich wpływ na znaczenie i precyzję współczynników. W analizie dotyczącej hasła „Supresja” problem dotyczy warunkowej informacji w konkretnym modelu, dlatego nie rozstrzyga go sama macierz korelacji par. Dla interpretacji hasła „Supresja” trzeba sprawdzić kodowanie zmiennych, wyrazy interakcji, kontrasty oraz to, czy predyktory odpowiadają odrębnym pytaniom teoretycznym.

Ocena pojęcia „Supresja” obejmuje błędy standardowe, stabilność znaku i wielkości parametrów, VIF lub tolerance oraz porównanie sensownych specyfikacji. W odniesieniu do hasła „Supresja” centrowanie może ułatwić interpretację interakcji, ale nie usuwa współliniowości wynikającej z prawie redundantnych pomiarów. Przy ocenie hasła „Supresja” usuwanie predyktora tylko po to, by obniżyć VIF może zmienić pytanie badawcze.

Co trzeba opisać w raporcie?

Raport dotyczący „Supresja” powinien podać, których predyktorów dotyczy problem, użyte kryterium i skutek dla estymat. W analizie dotyczącej hasła „Supresja”, jeśli model zmieniono, należy opisać decyzję merytoryczną oraz porównać kluczowe współczynniki przed i po zmianie. Dla interpretacji hasła „Supresja” w przypadku supresji warto pokazać korelacje zero-order i parametry warunkowe.

Zakres raportowania dla hasła „Supresja”: Pokaż macierz korelacji, modele krokowe i uzasadnienie teoretyczne.

Przykład praktyczny i gotowa interpretacja

Sytuacja: X ma słabą korelację z Y, ale silny β po dodaniu Z, które usuwa wariancję niezwiązaną z Y.

Jak ją zinterpretować: Zmienna supresorowa może zwiększyć użyteczność innego predyktora przez usunięcie wariancji niepowiązanej z wynikiem. Zmiana znaku lub wzrost współczynnika wymaga analizy korelacji, stabilności i sensu teoretycznego, nie automatycznej interpretacji przyczynowej.

Najczęstsza pułapka i granica interpretacji

Nietypowa zmiana znaku może też wynikać ze współliniowości lub błędnej specyfikacji.

Wartość związana z „Supresja” nie ma jednego uniwersalnego progu. W odniesieniu do hasła „Supresja” silne związki między predyktorami utrudniają rozdzielenie ich wkładów, lecz nie muszą pogarszać predykcji łącznej; znaczenie zależy od celu modelu.

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

Powiązane hasła

Dominanta (modalna, moda)HistogramKanon jednej różnicyKryterium procenta wyjaśnianej wariancjiKrzywa ROCKurtoza

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