МНОГОфакторный анализ. Как сделать с Статистике? Опции

[Solo...]

Уважаемые форумчане! Всем добрый день. С монофакторным анализом я вроде бы разобралась. Теперь нужно сделать многофакторный. Я постараюсь коротко изложить задачу, которая передо мной стоит и очень надеюсь на вашу помощь.
Есть следующие данные - построены в табличке примерно такой:

№||Результат:1-есть,0-нет ||Признак А:1-есть признак,0 -нет признака ||Признак В:1- есть,0 -нет ||Признак С:1-есть, 0 - нет || и т.д.
1 | 1 | 0 | 0 | 0 |
2 | 1 | 0 | 0 | 1 |
3 | 0 | 1 | 0 | 0 |
4 | 1 | 0 | 0 | 1 |
5 | 0 | 1 | 1 | 0 |
6 | 0 | 1 | 0 | 0 |
7 | 1 | 0 | 1 | 0 | и т.д.


Я ввожу эти данные в программу Статистика. А вот что делать дальше - это уже сложнее.
На выходе мне нужно получить примерно следующий результат:

Для комбинациии признаков АВ Относительный риск =...., ДИ = ...., Р= .....,
Для комбинации признаков АВС Относительный риск =...., ДИ = ...., Р= .....,
Для комбинации признаков АС Относительный риск =...., ДИ = ...., Р= ....., и т.д. по разным комбинациям.


Подскажите пожалуйса, на какие кнопки последовательно жать и в получившихся данных где искать ответы на мои вопросы. Там же в резульатах всегда много цифр и не всегда понятно, что есть что.

Очень надеюсь на вашу помощь.

Сообщение отредактировал Solo... - 21.12.2008 - 11:03

[DrgLena]

Если можно, поподробнее, плохая обусловленность какой матрицы нам угрожает в логистической регрессии?

Игорь, вам она не угрожает, вы с ней справитесь.
Но, я пыталась объяснить Solo, почему в Statistica она, на имеющихся данных, не может сделать множественную регрессию. Потому, что при сильной взаимной коррелированности переменных матрица задачи становится плохо обусловленной, что резко сказывается на погрешностях расчетов.
http://www.statsoft.ru/home/portal/glossar...onditioning.htm

[DoctorStat]

при сильной взаимной коррелированности переменных матрица задачи становится плохо обусловленной, что резко сказывается на погрешностях расчетов.

Если использовать пошаговый метод включения в логистической регрессии FORWARD LR, то из нескольких сильнокоррелированных переменных будет выбрана лишь одна. В этом случае плохая обусловленность матрицы предикторов не должна мешать вычислениям.

Сообщение отредактировал DoctorStat - 25.12.2008 - 13:57

[плав]

Если использовать пошаговый метод включения в логистической регрессии FORWARD LR, то из нескольких сильнокоррелированных переменных будет выбрана лишь одна. В этом случае плохая обусловленность матрицы предикторов не должна мешать вычислениям.

К сожалению это не решает проблему. Даже если используется "лобовая" методика отбора (включение одного, расчет остатков и т.д.), то проблемы выбора одного из двух коррелированных показателей остается - если один имеет корреляцию с исходов, скажем 0,955, а второй - 0,957, то будет выбран второй (для простоты я говорю о линейной регрессии, распределение функции ошибок и связующая функция роли не играют). Однако речь идет о выборочных коэффициентах, поэтому истинные коэффициенты корреляции могут иметь другие значения, скажем 0,97 и 0,94. А система выберет не то значение. Собственно поэтому-то автоматические методы отбора и вышли из моды, несмотря на их кажущуюся привлекательность.
Так что решения для проблемы мультиколлинеарности нет, кроме вдумчивого анализа данных.