Aslında yazarların 5-6 logit regresyon modellerini AIC ile karşılaştırdıkları bir makaleyi inceliyorum. Bununla birlikte, bazı modellerde bireysel değişken terimlerini dahil etmeden etkileşim terimleri vardır. Bunu yapmak hiç mantıklı geliyor mu?
Örneğin (logit modellerine özgü değil):
M1: Y = X1 + X2 + X1*X2
M2: Y = X1 + X2
M3: Y = X1 + X1*X2 (missing X2)
M4: Y = X2 + X1*X2 (missing X1)
M5: Y = X1*X2 (missing X1 & X2)
Ben her zaman X1 * X2 etkileşim terimine sahipseniz, X1 + X2'ye de ihtiyacınız olduğunu düşündüm. Bu nedenle, 1. ve 2. modeller iyi olacak ancak 3-5 modelleri sorunlu olacaktır (AIC daha düşük olsa bile). Bu doğru mu? Bir kural mı yoksa daha fazla bir rehber mi? Bunun arkasındaki nedeni açıklayan iyi bir referansı olan var mı? Sadece incelemede önemli bir şeyi yanlış anlamadığımdan emin olmak istiyorum.
Düşüncelerin için teşekkürler, Dan.
:
A: B'deki gibi etkileşimler içindir. Ve *
hem ana etkiler hem de etkileşimler içindir, yani A * B = A + B + A: B. Öyleyse, (!) Yazının yazarları bu notaları takip ederse, modellerden hiçbirinin e-posta etkisinin eksik olduğunu sanmıyorum?