Podcasts about multiple regression

In this week's episode, Greg and Patrick talk about the terrifying, the feared, the dreaded … Multicollinearity. Blamed for a multitude of general linear model problems, they dare to ask the question: “But should it be?” Along the way they also mention: having your stump ground out, fall guys, Keyser Soze, croissants and breadsticks, baguettes in space space space, mostly dead, the Cliffs of Moher, enablers, dangling on a wing and a prayer, nanotech R-squareds, opening a suitcase, reinventing factor analysis, and whiny a** babies.Stay in contact with Quantitude! Twitter: @quantitudepod Web page: quantitudepod.org Merch: redbubble.com

In another technically focused episode, co-hosts Jennifer Miller and Ron Landis discuss how to use multiple linear regression to test models involving moderation (or interaction). In episode 18, we discussed multiple linear regression in which we used multiple variables to predict the outcome or criterion variable. But what happens if you have a situation in which the relation between the predictor and outcome variable is actually dependent upon (or is conditional upon) the level of a third variable? In this episode, we deconstruct moderation and some applications of moderation.   In this episode, we had conversations around these questions:  What is moderation/interaction?  Why might we want to use multiple linear regression (as opposed to analysis of variance, ANOVA) to test for moderation?  What are some applications of moderation in People Analytics?  What's the best way to communicate moderation results?  What are some of the concerns when presenting visualizations depicting moderation?  Key Takeaways:  Moderation or interaction involves evaluating with the relation between a predictor and outcome variable is dependent (or conditional) on the level of a third variable. For example, we might be interested in whether employee engagement predicts jobs performance. In this case, we have a simple linear regression. If we add a third variable, such as working environment (I.e., remote or hybrid), we can now ask whether the relation between engagement and job performance is the same across different working environments.  Moderation and interaction can be used interchangeably. One can use regression based approaches or ANOVA to test for the presence of interactions, though regression allows for the use of continuous predictor variables.  Moderation is an application of multiple linear regression. In multiple linear regression, the effects are additive meaning that each variable contributes additively to explaining the outcome variable. In moderation, the effects are multiplicative in that a product term needs to be included in the model to examine whether the variance explained in the outcome variable is over and above the when each variable is added independently to the model.  Related Links  Millan Chicago  

Multiple Regression 2, and a little wrap up Music 'Prayer For Ukraine'

Our final topic Music ‘The National Anthem of Ukraine'

In this episode Patrick and Greg compare and contrast multiple regression and the structural equation model and argue that although regression has brought us far, there are numerous reasons to turn to the SEM to continue to drive us forward. Along the way they also address gad flies, the Louisiana Purchase, Kool-Aid, high school friends, spring break, STDs, Southwest Airlines, radial arm saws, courage, buying paint at Home Depot, Agatha and Karl's corpses, and 737s vs. DC-3s.

We use multiple regression analysis to determine the relation between many (multiple) independent variables and one single dependent variable. All slides to the entire series can be downloaded for free here: https://armintrost.de/en/professor/digital/social-research-methods/

Dr. Jerz shows how to use his Excel model for multiple regression.

Dr. Jerz's lecture on multiple regression.

Dr. Jerz's lecture on multiple regression.

Dr. Jerz shows how to use his Excel model for multiple regression.

Dr. Jerz's lecture on multiple regression.Transcript (srt) file: Multiple_Regression

Dr. Jerz shows how to use his Excel model for multiple regression.Transcript (srt) file: Excel-Multiple_Regression

Multiple Regression (Part 2 of 2) --- Send in a voice message: https://anchor.fm/statistics/message

Multiple Regression (Part 1 of2) --- Send in a voice message: https://anchor.fm/statistics/message

First lecture on our last topic, Multiple Regression Music ‘Hundred Times Over’ by Private Joker

Dr. Jerz's lecture on multiple regression.

Dr. Jerz shows how to use his Excel model for multiple regression.

Credit title: Subject Matter Expert : 1. Adi Teguh Suprapto, S.E., MM 2. Mulyono, S.E., M.M. Dokumenter: Binus University Uploaded by: Knowledge Management and Innovation Binus University

This was, indeed, a triumph Music 'Still Alive' by GLaDOS

It's the final topic! Music 'More' by Amerikan Made

This episode is a discussion of multiple regression: the use of observations that are a vector of values to predict a response variable. For this episode, we consider how features of a home such as the number of bedrooms, number of bathrooms, and square footage can predict the sale price. Unlike a typical episode of Data Skeptic, these show notes are not just supporting material, but are actually featured in the episode. The site Redfin gratiously allows users to download a CSV of results they are viewing. Unfortunately, they limit this extract to 500 listings, but you can still use it to try the same approach on your own using the download link shown in the figure below.

RICHARD NISBETT (https://www.edge.org/memberbio/richard_nisbett) is a professor of psychology and co-director of the Culture and Cognition Program at the University of Michigan. He is the author of Mindware: Tools for Smart Thinking; and The Geography of Thought. The Conversation: https://www.edge.org/conversation/richard_nisbett-the-crusade-against-multiple-regression-analysis

This is the last lecturecast of the term, and, therefore, you won't see much content here until September. Feel free to email me (dave dot brodbeck at algomau dot ca) or follow me on twitter. Anyway, we end with multiple regression. Music "Still Alive" by GLaDOS

Multiple regression

Getting near the end, but now, I have a plane to catch..... Music "Normalize" by the Bipolar Project

Multiple regression and model building

Multiple Regression 02 Music "Highway" by Gone For Good

Our final topic! Music "Master Deadender" by Bubble

Multiple Regression video

Multiple regression part 2 fMusic "Hundred Times Over"by Private Joker"

Multiple Regression Video

Demonstration of multiple regression in SPSS

Demonstration of multiple regression in SPSS

Hintergrund: Die laparoskopische Chirurgie hat gewisse Vorteile gegenüber der konventionellen Chirurgie, so auch die laparoskopische Splenektomie (LS) bei Idiopathischer Thrombozytopenischer Purpura (ITP). In dieser Studie wurden die Langzeitergebnisse nach LS mit offenen Splenektomie (OS) für die Responseraten, für die intraoperativen Komplikationen, sowie Früh- und Spätkomplikationen verglichen. Des Weiteren wurden prädikative Faktoren gesucht. In dieser Studie wurden weiterhin die Daten der LS speziell mit Bezug auf Lagerung des Patienten (Steinschnittlage vs. Rechtsseitenlage) und Lernkurve untersucht. Material und Methoden: Die LS Gruppe bestand aus 51 Patienten, die aufgrund einer ITP an der Chirurgischen Klinik des Klinikums Großhaderns, Klinikum der LMU, München zwischen Mai 1994 und April 2002 behandelt wurden. Sie wurden retrospektiv untersucht durch Recherche der Krankenakten, durch Recherche der pathologischen Befunde aus dem Institut für Pathologie, Klinikum der LMU, München und durch eine telefonische Befragung der Patienten und wenn notwendig derer Ärzte zwischen Februar 2003 und Juni 2004. Die LS Gruppe bestand aus 43,1% Männer und 56,9% Frauen mit einem mittleren Alter von 45,5 ± 17,5 Jahre. Das Nachsorge-Intervall war für 37 Patienten 4,8 ± 2,3 Jahre. Für die OS Gruppe wurden 15 Patienten ausgewertet, die aufgrund einer ITP an der Chirurgischen Klinik des Klinikums Großhaderns, Klinikum der LMU, München zwischen Juli 1991 und August 2002 behandelt wurden. Die Recherche wurde nach gleicher Methoden wie in der LS Gruppe durchgeführt. Die OS Gruppe bestand aus 33,3% Männer und 67,7% Frauen mit einem mittleren Alter von 41,9 ± 17,4 Jahre. Das Nachsorge-Intervall dieser Gruppe war 10,0 ± 3,1 Jahre. Die statistische Auswertung erfolgte mit univariater Analyse (Korrelation und Stichprobenvergleich) und multivariater Analyse (Backward Stepwise Regression und Multiple Regression). Resultate: Die CR (complete response) Rate war 81,1% in der LS Gruppe bei einem Nachsorgeintervall von 4,8 ± 2,3 Jahre. In der OS Gruppe war die CR Rate 83,3% bei einem Nachsorgeintervall von 10,0 ± 3,1 Jahre. Die Rezidivrate lag in der LS Gruppe bei 16,2% und 27,3% in der OS Gruppe; bei einem Patienten der OS Gruppe mit einem Rezidiv wurde eine Nebenmilz, als Ursache für das Rezidiv entfernt. In der multivariaten Analyse konnten keine signifikante Unterschiede zwischen beiden Gruppen und außer den BMI keine signifikanten Einflussfaktoren gefunden werden. Die mittlere Operationsdauer in der LS Gruppe war 108,8 ± 46,7 min bei einem mittleren Blutverlust von 657,3 ± 900,0 ml. In der OS Gruppe war die mittlere Operationsdauer 74,4 ± 28,8 min. bei einem Blutverlust von 487,1 ± 465,2 ml. Statistisch konnte zwischen der LS und OS Gruppe kein Unterschied für die Operationsdauer und den intraoperativen Blutverlust gefunden werden (Wilcoxon-Rangsummen Test, ns). Es wurden in der LS Gruppe 25,5 % Frühkomplikationen (Nachblutung, Revision, Infektion, Atelektase, Pneumonie, Pleuraerguss, (Sub-)Ileus, Thrombose, postoperative Transfusion) und 16,2% Spätkomplikationen (Infekte, Narbenhernie, Nebenmilz) ausgewertet. Bei 17,0% der Patienten ist intraoperativ eine Nebenmilz gefunden worden. Bei zwei Patienten (3,9%) war eine Konversion zur OS notwendig, bei einem Patienten (2,0%) musste eine laparoskopische Revision stattfinden. Im Vergleich hierzu wurden in der OS Gruppe 73,3% Frühkomplikationen und 33,3% Spätkomplikationen gefunden. Bei einem Patienten (6,7%) wurde eine Nebenmilz gefunden. Bei zwei Patienten (16,7%) war eine Revision notwendig. In der statistischen Auswertung konnte nur bei den Spätkomplikationen ein signifikante Unterschied (p

Multiple Regression

Multiple Regression

Die Schizophrenie ist eine komplexe Erkrankung, bei der neben einer genetischen Komponente äußere Einflussfaktoren eine wichtige Rolle spielen. Epidemiologische Studien weisen auf eine mögliche Rolle von Virusinfektionen als Umwelt-Faktor in der Ätiologie der Schizophrenie hin. Eine Verschiebung der spezifischen Immunantwort in Richtung T-helfer-2-Antwort (ein sogenannter Th2-shift) wurde bei verschiedenen Virusinfektionen beobachtet. Einige immunologische Untersuchungen weisen auch zumindest bei einer Subgruppe der Schizophrenie auf einen Th2-shift hin. (1) Ziele: Diese Studie dient (a) der Untersuchung der Th1/Th2-Balance der spezifischen Immunantwort unter Berücksichtigung der Effekte verschiedener endokrinologischer Parameter und (b) der Identifizierung der möglichen Ursachen des gestörten Th1/Th2-Gleichgewichts; die hier untersuchten Einflussgrößen beziehen sich auf unterschiedliche Hormone. (2) Fragestellungen: (a) Lässt sich eine Th2-Verschiebung bei einer Subgruppe der Schizophrenie beobachten, nachdem die Einflüsse diverser endokrinologischer Parameter mitberücksichtigt worden sind? (b) Wenn ja, ist diese Subgruppe durch klinische oder epidemiologische Variablen charakterisierbar? (c) Wenn ja, welcher oder welche der untersuchten immunologischen und endokrinologischen Parameter tragen zur Streuung des Th1/Th2-Verhältnises bei schizophrenen Patienten bei? (3) Hypothese: (a) Zur Frage (2a) ist eine Th2-Verschiebung angenommen; d.h., die Th1/Th2-Quotienten sind deutlich reduziert. Die Quotienten IFN-g/IL-4, IFN-g/IL-10 und IFN-g/IL-13 wurden als Indikatoren der Th1/Th2-Balance betrachtet. (b) Frage (2b) und (2c) sind offene Fragen, weshalb keine Hypothese im Bezug auf diese beiden Fragen gestellt wurde. (4) Methoden: (a) Analyse-Materialien schließen Serum, Voll-Blut und isolierte Lymphozyten ein. „Vollständige Serum-Daten“ bedeutet, dass alle Daten für Serum-Zytokin-Konzentrationen, Serum Th1/Th2-Quotienten, Hormone, SHBG (Sexhormon-bindendes Globulin), Geschlecht und Alter vorhanden waren. Ebenso bedeutet „vollständige Voll-Blut-Daten“, dass alle Daten bezüglich der in vitro Zytokin-Produktion im Voll-Blut nach einer 46-stündigen PHA-Stimulation, Voll-Blut-Th1/Th2 Quotienten, Hormone, SHBG, Geschlecht und Alter erhoben wurden. „Vollständige Lymphozyten-Daten“ bedeutet, dass alle Daten hinsichtlich der in-vitro Zytokin-Freisetzung bei Lymphozyten, Th1/Th2-Quotienten, Hormone, Geschlecht und Alter verfügbar waren. (b) Studien-Teilnehmer: Insgesamt nahmen 114 schizophrene Patienten und 101 gesunde Probanden an die Studie teil. Unter ihnen hatten 76 schizophrene Patienten und 75 Kontrollen vollständige Serum-Daten, 44 Patienten und 76 normale Kontrollen hatten vollständige Voll-Blut-Daten, 72 schizophrene Patienten und 98 gesunde Teilnehmer hatten vollständige Lymphozyten-Daten. (c) Variablen umfassen hauptsächlich immunologische, endokrinologische und verschiedene klinische Parameter. Die immunologischen Variablen bestehen aus Th1-Zytokinen wie IFN-g, IL-12, IL-2, TNF-a und Th2-Zytokinen einschließlich IL-4, IL-10, IL-13 und IL-6. Die endokrinologischen Kenngrößen setzen sich aus den folgenden Parametern zusammen: zwei Stress-Hormone Cortisol und Prolactin, zwei Geschlechts-Hormone Östradiol und Testosteron, sowie das Geschlechts-Hormon-bindende Globulin (SHBG). Die erhobenen klinischen Daten schließen die Folgenden ein: klinische diagnostische Subgruppen, Familienanamnese bezüglich psychiatrischer Erkrankungen, Medikation vor der Aufnahme, Krankheitsepisode, Antipsychotika-frei/Antipsychotika-naiv, Wash-out-Periode, Erstmanifestationsalter der Erkrankung, Krankheitsdauer, CGI-Werte bei der Aufnahme und Entlassung (CGI = Clinical Global Impressions), sowie die verschieden PANSS Subskalen (Negativ-Symptomatik, Positiv-Symptomatik und Globale Symtpomatik; PANSS = Posivtive and Negative Syndrome Scale). (d) Analyse-Methoden enthalten Cytometric Bead Array (CBA), ELISA und ELISPOT. CBA wurde zur Messung von IFN-g, IL-2, TNF-a, IL-4, IL-10 und IL-6 im Zellkulturüberstand des Voll-Blut-Assays und im Serum verwendet, ELISA wurde zur Bestimmung der IL-12- und IL-13-Produktion im PHA-stimulierten Voll-Blut-Assay eingesetzt, während ELISPOT zum Erfassen der in-vitro-Produktion von IFN-g, IL-12, IL-4, IL-13 und IL-10 bei Lymphozyten benutzt wurde. Die Serumkonzentrationen der Hormone Prolactin, Cortisol, Östradiol, Testosteron, sowie SHBG wurden mit entsprechenden Reagenzienkits am Analysenautomaten Elecsys 2010 erhoben. (e) Auswertung: Die schizophrenen Patienten wurden zuerst als eine ganze Gruppe untersucht, danach nach Geschlecht und verschiedenen klinischen Eigenschaften in unterschiedliche Subgruppen eingeteilt; die so gebildeten verschiedenen Subgruppen sind die unabhängigen Variablen. Die wichtigen abhängigen Variablen sind Th1/Th2-Quotienten einschließlich IFN-g/IL-4, IFN-g/IL-10 (Serum, Voll-Blut-Assay, Lymphozyten) und IFN-g/IL-13 (Lymphozyten). Bei auffälligen Unterschied(en) bezüglich Alter, oder Hormonkonzentrationen und SHBG zwischen einer schizophrenen Subgruppe und den entsprechenden Kontrollen wurden diese Parameter als Kovarianten in die Analyse eingeschlossen, um ihre Effekte auf die Th1/Th2-Balance bei den zu vergleichenden Gruppen zu kontrollieren. (f) Statistik: MAN(C)OVA und Multiple Regression. MAN(C)OVA wurde verwendet, um die Fragestellung (2a) und (2b) zu untersuchen, während Multiple Regression zur Beantwortung der Fragestellung (2c) diente. (5) Primäre Ergebnisse: (a) Die Ergebnisse dieser Studie unterstützen unsere Hypothese einer Th2-Verschiebung zumindest bei einer Subgruppe der Schizophrenie. (b) Befunde bezüglich der Th1/Th2-Balance in Schizophrenie (Resultate der MAN(C)OVA): · Die Serum-Daten deuteten auf eine eindeutige Th2-Verschiebung bei schizophrenen Patienten als Gesamtgruppe hin, nachdem die Effekte von Alter und verschiedener Hormone (insbesondere Prolactin) ausgeschlossen worden waren. · Die Th2-Verschiebung im Serum scheint Schizophrenie-spezifisch zu sein, wie die Daten der Patienten mit schizophrenie-ähnlicher Symptomatik zeigen. · Im geschlechts-spezifischen Vergleich zu gesunden Probanden hatten weibliche schizophrene Patienten signifikant reduzierte Quotient sowohl für Serum IFN-g/IL-4 als auch für IFN-g/IL-10, während männliche Patienten ausschließlich einen deutlich verminderten Serum IFN-g/IL-10 Quotient zeigten. · Reduzierte Serum IFN-g/IL-4- und IFN-g/IL-10-Quotienten wurden ebenfalls bei diversen klinischen Subgruppen beobachtet außer bei schizophrenen Patienten mit vorwiegender Positivsymptomatik. · Ein deutlich reduzierter IFN-g/IL-10-Quotient im PHA-stimulierten Voll-Blut wurde (a) bei Nicht-Paranoid oder chronischen schizophrenen Patienten gezeigt, bei Patienten, die (b) eine positive psychiatrische Familienanamnese hatten und (c) vor Einschluss in die Studie länger als 3 Monate Antipsychotika-frei gewesen waren oder (d) bei Aufnahme in die stationär-psychiatrische Behandlung niedrigere Werte auf der PANSS-Negativ-Skala hatten. Bemerkenswerter weise zeigten auch Antipsychotika-naive Patienten mit Schizophrenie tendenziell einen beträchtlich reduzierten IFN-g/IL-10-Quotient im Voll-Blut. · Die schizophrenen Patienten, deren Symptome nach einer 8-wöchigen Behandlung fast unverändert blieben, hatten auffallend niedrigere IFN-g/IL-4- und IFN-g/IL-10-Quotienten im Voll-Blut als die gesunden Probanden. · Die schizophrenen Patienten mit einem frühen Krankheitsausbruch hatten außergewöhnlich reduzierte Serum IFN-g/IL-4- und IFN-g/IL-10-Quotienten, aber einen erhöhten IFN-g/IL-4 und IFN-g/IL-13 in PHA-stimulierten Lymphozyten. Im Gegensatz zeigten diejenigen mit einem späten Ausbruch keine Änderung der beiden Serum Th1/Th2-Quotienten, jedoch auffallend reduzierte IFN-g/IL-4- und IFN-g/IL-13-Quotienten bei in-vitro stimulierten Lymphozyten. (c) Die möglichen Ursachen der Th1/Th2-Dysbalance bei Schizophrenie-Patienten (Ergebnisse von Multiple-Regression): · Für die schizophrenen Patienten als ganze Gruppe waren vorwiegend IFN-g, IL-4 und IL-10 an die Balance zwischen dem Th1- und Th2-System beteiligt. IL-6 und TNF-a könnten zur Balance zwischen IFN-g und IL-4 im PHA-stimulierten Voll-Blut beigetragen haben, während IL-4 und das Alter offensichtliche Einflüsse auf die Balance zwischen IFN-g und IL-10 im Voll-Blut bei Patienten mit Schizophrenie gehabt haben dürften. · Für die schizophrenen Patientinnen wurde keine eindeutige Quelle für das Ausbalancieren zwischen Serum IFN-g und IL-4 gefunden, obwohl die gemessenen Variablen in der Lage waren, die IFN-g/IL-4-Varianz zuverlässig vorherzusagen (d.h. ³67% oder 2/3 der Varianz waren dadurch erklärbar). Das Abgleichen zwischen IFN-g und IL-4 im Voll-Blut nach PHA-Stimulation wurde eher von den komplexen wechselseitigen Korrelationen unter IFN-g, IL-4, TNF-a, IL-6, Prolactin, Östradiol, Testosteron und Alter beeinflusst. Ähnlich komplexe Inter-Korrelationen unter diesen obengenannten Kenngrößen wurden ebenfalls beim Ausgleichen zwischen IFN-g und IL-10 sowohl im Serum als auch im PHA-stimulierten Voll-Blut beobachtet. · Für männliche schizophrene Patienten gab es vermutlich einige andere entscheidende Faktoren, welche in dieser Studie nicht geprüft worden waren, die jedoch an der Balancierung zwischen IFN-g und IL-10 im Voll-Blut beteiligt gewesen waren. Im Gegensatz zu gesunden Probanden könnten Alter, Prolactin und Östradiol zusätzlich am Abgleichen von Serum IFN-g/IL-10 beteiligt gewesen sein. Hingegen war IL-6 am Abgleichen von IFN-g/IL-10 Voll-Blut-Assay bei männlichen schizophrenen Patienten beteiligt. Beachtenswerte Beiträge von Testosteron, SHBG und Östradiol zur Balancierung vom Voll-Blut IFN-g/IL-10 wie im Fall der Kontrollen waren bei männlichen Patienten mit Schizophrenie nicht zu beobachten. (d) Psychopathologie und Th1/Th2-Quotienten: Der durchschnittliche Messwert auf der PANSS-Negativ-Skala korrelierte positiv mit Voll-Blut-Assay IFN-g/IL-4 und IFN-g/IL-10. Außerdem war der Mittelwert auf der PANSS Global Skala ebenfalls positiv mit Voll-Blut IFN-g/IL-4 assoziiert. (6) Schlussfolgerung und Diskussion: (a) Die Ergebnisse dieser Studie zeigen deutliche Th2-Verschiebungen im Serum bei verschiedenen schizophrenen Subgruppen und bieten einen eher unterstützenden Hinweis für die Hypothese der Th2-Verschiebung von Schizophrenie. (b) Th2-Verschiebungen bei schizophrenen Patienten scheinen eine komplexe Folge von Wechselwirkungen von Krankheitsprozess, Hormonen und antipsychotischer Medikation, jedoch wahrscheinlich nicht nur ein Resultat der antipsychotischen Behandlung oder der durch Alterung ausgelösten Veränderungen zu sein.

This paper considers the estimation of coefficients in a linear regression model with missing observations in the independent variables and introduces a modification of the standard first order regression method for imputation of missing values. The modification provides stochastic values for imputation. Asymptotic properties of the estimators for the regression coefficients arising from the proposed modification are derived when either both the number of complete observations and the number of missing values grow large or only the number of complete observations grows large and the number of missing observations stays fixed. Using these results, the proposed procedure is compared with two popular procedures - one which utilizes only the complete observations and the other which employs the standard first order regression imputation method for missing values. It is suggested that an elaborate simulation experiment will be helpful to evaluate the gain in efficiency especially in case of discrete regressor variables and to examine some other interesting issues like the impact of varying degree of multicollinearity in explanatory variables. Applications to some concrete data sets may also shed some light on these aspects. Some work on these lines is in progress and will be reported in a future article to follow.