m***c
发帖数: 118 | 1 我有一个data其中一个变量是x1，x1有4个值(a, b, c, d),在fit model之后结果发现
只有a和b是significant.d是baseline,比如x1='a'时,x1=0.1 / x1='b'时,x1=0.6 / x1
='c'时,x1=0.3.
此时我想score一个新data,如果x1='a'/'b',直接带入系数,如果x1='d'则x1=0,但是x1=
'c'的时候,x1是0,还是用他的系数0.3？
thanks a lot!!! | B******y
发帖数: 9065 | 2 天哪，有人看得懂LZ在问的什么么？看这些话，感觉我以前的统计全白学了，完全不知
说云。。。
x1
x1=
【在 m***c 的大作中提到】
: 我有一个data其中一个变量是x1，x1有4个值(a, b, c, d),在fit model之后结果发现
: 只有a和b是significant.d是baseline,比如x1='a'时,x1=0.1 / x1='b'时,x1=0.6 / x1
: ='c'时,x1=0.3.
: 此时我想score一个新data,如果x1='a'/'b',直接带入系数,如果x1='d'则x1=0,但是x1=
: 'c'的时候,x1是0,还是用他的系数0.3？
: thanks a lot!!!
| m***c
发帖数: 118 | 3 对不起LS.
我的问题很简单，概括的说，在有了系数(coefficients)后，如何score新data,如果是
numeric,很简单，直接带进行数据里，是categorical var就有些复杂，(1)
一个categorical var里所有level全部significant,那么也很简单，直接带进行数据里
，(2) 但如果categorical variable有部分level(s)不significant,要score一个新
data的时候，这些不significant level该取何值？
e.g.x1是categorical variable with a/b/c/d 4个levels,下面是fit model后的结果：
var estimates p-vlaue
x1 a 0.1 0.010
x1 b 0.7 0.034
x1 c 0.3 0.870
x1 d 0
x2 1.3 0.001
x4 0.08 0.002
....
现在我要SCORE一个新的data：
obs x1 x2 x4 ......
1 a 0.08 2.1
2 b 0.20 0.3
3 c 0.61 1.1
4 d 0.30 0.8
5 b 0.10 1.5
.....
score: est=sum(x1,x2,x3,x4,,,,)
这时候，line 3, x1该取何值， 0还是0.3?
不知道是问的过于简单了，还是根本没说清楚,非常感谢！！！ | K*****2
发帖数: 9308 | 4 如果model没有变，x1还是4个level，应该用0.3
如果用0，应该把x1的c和d两个level合并，重新计算全部的coef | m***c
发帖数: 118 | 5 如果这样的话，那么significant对于a/b/c/d是否就没有区别了。
总觉得应该是0，试想如果x4不significant，那么我们就用0；对于一个var里的各个
level而言，是不是也应该同样对待，significant就用系数，不significant就用0？
【在 K*****2 的大作中提到】
: 如果model没有变，x1还是4个level，应该用0.3
: 如果用0，应该把x1的c和d两个level合并，重新计算全部的coef
| K*****2
发帖数: 9308 | 6 显然不能啊，只有一个c不显著，你怎么能把a，b系数全都设成0？
而且扔掉一个变量以后，肯定要重新fit model，哪能直接扔系数的
【在 m***c 的大作中提到】
: 如果这样的话，那么significant对于a/b/c/d是否就没有区别了。
: 总觉得应该是0，试想如果x4不significant，那么我们就用0；对于一个var里的各个
: level而言，是不是也应该同样对待，significant就用系数，不significant就用0？
| h***i
发帖数: 3844 | 7 use 0.3
Why
试想如果x4不significant，那么我们就用0??
如果x４ significant了，那x４是不是significant different from 0.5?
如果你发现不是了，那是不是按照你的逻辑，不用x４的estimate，用0.5？
【在 m***c 的大作中提到】
: 如果这样的话，那么significant对于a/b/c/d是否就没有区别了。
: 总觉得应该是0，试想如果x4不significant，那么我们就用0；对于一个var里的各个
: level而言，是不是也应该同样对待，significant就用系数，不significant就用0？
| m***c
发帖数: 118 | 8 你误解了，我的意思是，a和b significant,那么a和b就用他们的系数0.1和0.7,而c不
significant,c就用0.
【在 K*****2 的大作中提到】
: 显然不能啊，只有一个c不显著，你怎么能把a，b系数全都设成0？
: 而且扔掉一个变量以后，肯定要重新fit model，哪能直接扔系数的
| K*****2
发帖数: 9308 | 9 不能这么做的
我说了，每弃掉一个变量，整个model就要重新fit一次，系数肯定全部都要变的，而且
说不定显著性也要变
【在 m***c 的大作中提到】
: 你误解了，我的意思是，a和b significant,那么a和b就用他们的系数0.1和0.7,而c不
: significant,c就用0.
| m***c
发帖数: 118 | 10 你还是误解了。
我没有弃掉任何变量，而且model已经完成，系数已经确定(x1,x4,,,都是significant)
，这一切已经不再变动了。
在这个前提条件下，我用得到的系数来score一个新数据（比如test data）.我的问题
就在于categorical变量X1的4个值（a,b,c,d）各自都有自己的p-value,这个没有异议
吧？其中c为non-significant，在score新数据时，如果x1='a',那么x1=0.1，如果x1='
b',那么x1=0.7，如果x1='c'（这是个non-significant）时，x1=0还是0.3？
现在该明白我的意思了吧,或者你知道SCORE的意思吧，简单的说比如在logistic MODEL
里，有个score statement，这score不是要重新fit model，而只是用已经得到的系数
来拿过来算新数据的预测值。 | K*****2
发帖数: 9308 | 11 我完全没有误解，你fit出来c的系数是0.3，实际上却用的是0，等效于你把level c和d
看成是一样的了啊。既然看成一样的，你为什么一开始fit的model要加入c呢？所以你
必须重新fit。你看明白了吧？
significant)
='
【在 m***c 的大作中提到】
: 你还是误解了。
: 我没有弃掉任何变量，而且model已经完成，系数已经确定(x1,x4,,,都是significant)
: ，这一切已经不再变动了。
: 在这个前提条件下，我用得到的系数来score一个新数据（比如test data）.我的问题
: 就在于categorical变量X1的4个值（a,b,c,d）各自都有自己的p-value,这个没有异议
: 吧？其中c为non-significant，在score新数据时，如果x1='a',那么x1=0.1，如果x1='
: b',那么x1=0.7，如果x1='c'（这是个non-significant）时，x1=0还是0.3？
: 现在该明白我的意思了吧,或者你知道SCORE的意思吧，简单的说比如在logistic MODEL
: 里，有个score statement，这score不是要重新fit model，而只是用已经得到的系数
: 来拿过来算新数据的预测值。
| m***c
发帖数: 118 | 12 在fit model之前，大家并不知道X2是不是significant，也不知道x2哪些值是
significant的，等到model完成之后，大家才发现其中c不是significant。
如果X5在这个model里也是一个significant的categorical变量，且有3个值（m,n,p）m
,n的p-value均<0.05，p为baseline，这时候我们在score新数据的时候，就全部用他们
的系数（当然x5='p'时X5=0），这个没有异议吧。
这时候对比一下x2和x5，x2='c'时，该用0.3还是0？
和d
【在 K*****2 的大作中提到】
: 我完全没有误解，你fit出来c的系数是0.3，实际上却用的是0，等效于你把level c和d
: 看成是一样的了啊。既然看成一样的，你为什么一开始fit的model要加入c呢？所以你
: 必须重新fit。你看明白了吧？
:
: significant)
: ='
| h***i
发帖数: 3844 | 13 实话 你为什么就不能把categorical variable 那些level看成dummy variable呢
为什么？
）m
【在 m***c 的大作中提到】
: 在fit model之前，大家并不知道X2是不是significant，也不知道x2哪些值是
: significant的，等到model完成之后，大家才发现其中c不是significant。
: 如果X5在这个model里也是一个significant的categorical变量，且有3个值（m,n,p）m
: ,n的p-value均<0.05，p为baseline，这时候我们在score新数据的时候，就全部用他们
: 的系数（当然x5='p'时X5=0），这个没有异议吧。
: 这时候对比一下x2和x5，x2='c'时，该用0.3还是0？
:
: 和d
| K*****2
发帖数: 9308 | 14 上面有人说了，所谓显著性test是跟0比的，那问题是0.3凭什么非得要跟0比？跟0比不
显著，那么如果跟0比和跟0.1比都不显著呢，你打算拿哪个代替0.3？是用0，还是0.1
，还是说不定0到0.1之间随便一个数？你自己想想就知道用0代替毫无逻辑性可言。
）m
【在 m***c 的大作中提到】
: 在fit model之前，大家并不知道X2是不是significant，也不知道x2哪些值是
: significant的，等到model完成之后，大家才发现其中c不是significant。
: 如果X5在这个model里也是一个significant的categorical变量，且有3个值（m,n,p）m
: ,n的p-value均<0.05，p为baseline，这时候我们在score新数据的时候，就全部用他们
: 的系数（当然x5='p'时X5=0），这个没有异议吧。
: 这时候对比一下x2和x5，x2='c'时，该用0.3还是0？
:
: 和d
|
|
