全部版块 我的主页
› 论坛 › 数据科学与人工智能 › 数据分析与数据科学 › R语言论坛
数据处理方式对回归模型影响的问题
michelle915lmm
1885 9
2015-04-10
请教高手：假设数据是100（组）*200（观测值），两种处理方式：
1）100组数据分别算出均值，然后将这些均值放入regression中。
2）将20000条数据一起放入regression中。
请问结果相同吗？原理是什么？（自己没想清楚啊~）
二维码

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

全部回复
shi465456609
2015-4-10 21:05:35
初学者的理解：第二种方法较第一种更好。第一种的方法的数据处理方法可能失去了数据原始特性，并且当各组都取平均值可能导致数据过于集中，影响回归模型的构建。但是如果每一组数据异常值较多的话，第一种方法可以使数据更平滑点。
二维码

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

michelle915lmm
2015-4-10 21:16:59
shi465456609 发表于 2015-4-10 21:05
初学者的理解：第二种方法较第一种更好。第一种的方法的数据处理方法可能失去了数据原始特性，并且当各组都 ...
两种方法都是科学合理的吗？

我问这个问题的原因之一是，如果每个组内的200个样本之间有相关性，比如是时间序列数据，那么整个样本就是panel了，不适合做整体层面的regression。但是我还是想粗粗的看一下regression的结果。。。
这种情况下是不是第一种更可取些？至少不会犯原则性的错误，虽然会丢失一些信息？

谢谢！
二维码

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

nuomin
2015-4-10 21:44:47
第一种是分层的，第二种是混合的。差别在于第二种假装不存在组间差异。这样的问题用面板模型来估计。
二维码

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

michelle915lmm
2015-4-11 10:56:33
nuomin 发表于 2015-4-10 21:44
第一种是分层的，第二种是混合的。差别在于第二种假装不存在组间差异。这样的问题用面板模型来估计。
好的，谢谢！
二维码

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

michelle915lmm
2015-4-11 11:29:27
nuomin 发表于 2015-4-10 21:44
第一种是分层的，第二种是混合的。差别在于第二种假装不存在组间差异。这样的问题用面板模型来估计。
再请教一下有没有比较好的面板数据模型的参考资料呢？比较具体的那种~：）
谢谢~
二维码

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

点击查看更多内容…
相关推荐
栏目导航
热门文章
推荐文章

说点什么

分享

微信QQ空间QQ微博
扫码加好友，拉您进群
各岗位、行业、专业交流群