h******n
发帖数: 1838 | 1 公司推出个给学生用的电子教材平台，想知道学生在这个平台上的learning behavior
（比如login的次数，highlight，bookmark和做笔记的次数）会不会对GPA有影响。
问题是，95%的学生都只是看电子书，从来不做笔记，也不加bookmark。所以我有20万
的obs，几个关键的自变量（如bookmarks的count和note的count）95%以上的数据都是
零。我做出来的regression变量都显著但是r-square只有5%。我想coefficient显著主
要是因为sample size大，这么小的r2实在证明不了问题，老板听了很upset，问我有没
有别的方法。
我想这个结果大概因为data太不平衡了，能不能从那大部分为零的数据里面随机抽出一
小部分来和不是零的一起重新做regression呢？这在统计说的通么？或者有没有什么其
他的方法？我统计很弱，希望大家不吝赐教，谢谢！ |
y*****y
发帖数: 98 | |
h******n
发帖数: 1838 | 3 谢谢，稍后送包子～
【在 y*****y 的大作中提到】
: zero inflated models
|
h******n
发帖数: 1838 | 4 回楼上的，我的dependent variable是GPA,不是count，好像不能做zero inflated
model吧？ |
d********h
发帖数: 2048 | 5 你的逻辑是对的，搜rare event analysis。本质上也是resample， |
h******n
发帖数: 1838 | 6 感谢！现在去研究下，稍后送包子。
【在 d********h 的大作中提到】
: 你的逻辑是对的，搜rare event analysis。本质上也是resample，
|
a****e
发帖数: 150 | 7 weighted least square? inverse of sampling probability as weight? |
p********r
发帖数: 1465 | |
c*******7
发帖数: 2506 | 9 Just some brain storming here-
Did your use predictors like the student's number of logon in a certain time
, average logon span, scores of quit after each session (if available), and
covariates like demographic info (gender, age,race,..), program info (title
1, free lunch,...), and did you use a score difference (post GPA-pre GPA) as
your dependent var?
behavior
【在 h******n 的大作中提到】
: 公司推出个给学生用的电子教材平台，想知道学生在这个平台上的learning behavior
: （比如login的次数，highlight，bookmark和做笔记的次数）会不会对GPA有影响。
: 问题是，95%的学生都只是看电子书，从来不做笔记，也不加bookmark。所以我有20万
: 的obs，几个关键的自变量（如bookmarks的count和note的count）95%以上的数据都是
: 零。我做出来的regression变量都显著但是r-square只有5%。我想coefficient显著主
: 要是因为sample size大，这么小的r2实在证明不了问题，老板听了很upset，问我有没
: 有别的方法。
: 我想这个结果大概因为data太不平衡了，能不能从那大部分为零的数据里面随机抽出一
: 小部分来和不是零的一起重新做regression呢？这在统计说的通么？或者有没有什么其
: 他的方法？我统计很弱，希望大家不吝赐教，谢谢！
|
l***a
发帖数: 12410 | 10 试试over sampling
behavior
【在 h******n 的大作中提到】
: 公司推出个给学生用的电子教材平台，想知道学生在这个平台上的learning behavior
: （比如login的次数，highlight，bookmark和做笔记的次数）会不会对GPA有影响。
: 问题是，95%的学生都只是看电子书，从来不做笔记，也不加bookmark。所以我有20万
: 的obs，几个关键的自变量（如bookmarks的count和note的count）95%以上的数据都是
: 零。我做出来的regression变量都显著但是r-square只有5%。我想coefficient显著主
: 要是因为sample size大，这么小的r2实在证明不了问题，老板听了很upset，问我有没
: 有别的方法。
: 我想这个结果大概因为data太不平衡了，能不能从那大部分为零的数据里面随机抽出一
: 小部分来和不是零的一起重新做regression呢？这在统计说的通么？或者有没有什么其
: 他的方法？我统计很弱，希望大家不吝赐教，谢谢！
|
