어떤 독립변수가 종속변수에 대해 음의 방향으로 영향을 미치는 게 당연하다고 생각되는 상황에서 이를 전제로 하고 회귀분석을 실행했는데 오히려 양의 상관관계라고 나왔음.
근데 p값은 0.0001... 이런식으로 완전 유효하게 나옴. 이 p값이 의미하는건 결국 뽑은 샘플이 모집단을 매우 잘 설명하는 것이고, 궁극적으로 내가 몇번을 다시 샘플링한다음 회귀분석을 돌리더라도 이 독립변수가 종속변수에 미치는 영향이 여기서 크게 벗어나고 방향도 당초 내가 원했던 음의 방향으로 나올 확률이 정말정말 낮다는 거 아님? >>>만약 틀린 해석이면 정정좀
어쨌든 내가 제대로 이해한 게 맞으면 1. 데이터 문제인지 2. 전처리 잘했는지 3. 코딩 실수 없었는지 이거 확인해보고, 셋 다 문제 없고 내가 일반적인 현상에 위배되는 근거를 찾아낼 수 없다면 아예 배제하는 게 맞지?
P값은 샘플이 모집단을 잘 설명한다 같은게 아님… 일반적으로는 걱정하는대로 회귀계수가 양수인데 p값이 아주 작으면 실제로 음수일 가능성이 낮기야 하겠지 귀무가설 자체를 계수가 0이하다로 잡아버릴수도 있을거고 - dc App
근데 극단적인 케이스에는 데이터수가 너무 많아서 p값이 작아보이는 이상한경우도 간혹 있어서 정확한 해석은 아니라 - dc App
p값은 내가 이것저것 치다가 좀 이상하게 쳤네...근데 이 p값이 데이터 개수에 영향을 받는다는 것 있잖아. 나도 그럴 거라고 막연히 생각했던게 데이터 개수가 50만개임. 근데 여기서 의문은 그러면 이 변수가 유의하게 나왔는데 이게 원인이 데이터 개수 때문인지 아니면 진짜 유의해서 이렇게 나온건지 알 수 있는 방법이 있나?
그 x변수와 상관이 큰 변수가 있는경우 그럴 수 있음. 회귀계수는 편상관관계 같은걸 보여주는거니까 - dc App
지금 그 변수만 따로 해서 단순회귀 돌려봤는데 내가 원한 대로 나오네 ㄳ
이상 없는데 배제하면 omitted variable 때문에 회귀분석 추정에 문제가 생김. 해당 독립변수 하나만 넣어서 단순선형으로 돌려보고, 얘는 계수가 음수인데 풀모델이 양수면 변수 추가로 편회귀계수가 양수된거라 자연스러운 거임. 다중선형회귀 해석 찾아봐 - dc App
지금 해봤는데 이게 맞는거 같다 이런식으로 나옴 ㄳ
대부분 저런경우 다중공선성 때문에 생기고 그다음은 omitted variable bias 문제지..