繰り返し測定された独立変数による重回帰？

設計と仮説：wellbeing時間1と時間2でA測定しました。因子（時間1で測定し、経時的に安定した因子であると想定）が因子B（時間2で測定）の有意な予測子であるかどうかを確認します。またwellbeing、現在または過去のが貢献することも期待していBます。

質問：wellbeing同時予測子として（同じ機器を使用して）両方の時点で測定されたものを使用して重回帰を行うことは適切ですか？-予測子間に有意な相関関係が存在しますが、多重共線性診断は正常に見えました... 縦断的設計をうまく活用する仮説をテストするためのより良い方法はありますか？

どうもありがとう！

— スーティカ
ソース

従属変数が1つの時点でのみ測定される場合、縦方向と呼ばれる設計を見るのに慣れていません。私はおそらくこれを横断的な問題として扱いますが、経路分析または構造方程式モデリングを調べて、潜在的な原因と影響の連鎖と思われるものを利用することができます。

— rolando2 2013

@ rolando2に感謝します。私たちが回答したいのAは、どちらの時点Bでwellbeing測定されたの寄与の予測因子であるか、それ以上であるかです。重回帰はそれに答えることができるようですが、それが最善のアプローチであるかどうかは

— わかり

重回帰は、縦断的な側面をあまり活用しません。（適切に設定されている場合）単純に、各ウェルベリング変数を調整する共変量として扱います。しかし、私が言及した他の方法は、因果関係のシーケンスを解き放つためにさらに進んでいきます。

— rolando2 2013

複数の人に相談した後、どのアプローチを取るべきかを決定するのに役立つアドバイスを以下に示します。結局のところ、それは研究の質問と仮説に戻ります。

我々はのユニークな貢献に興味を持っていた場合AにB、現在と過去を越えて上に、wellbeing私たちは、階層的な回帰を実行することができます。現在と過去によって説明される重複する差異はたくさんありますがwellbeing、それらを別々のステップで入力することで、へのどちらかの固有の寄与を理解するのに役立ちますB。この例では、最初にwellbeingTime-1に入力し、次にwellbeingTime-2に入力しました。Time-1 wellbeingはで大きな差異を説明しましたが、BTime-2に入ったとき、それはもはや重要な予測因子ではありませんでしたwellbeing。これは、過去でwellbeingはなく現在がより重要な要因であることを示唆しています。入ったA最後のステップで、Time-1とTime-2 wellbeingを含むモデルに大幅な改善を加えました。これは、最初の仮説をサポートします。

私たちはどのように興味を持っていた場合の変化でwellbeing時間-2までの時間-1からは予測しB、我々は差スコアを計算し、またはの繰り返し測定性質上のアカウントに、より精巧な潜在チェンジスコアモデルを使用することができますwellbeing。このアプローチに役立つリソース：McArdleの2009年のレビューペーパー、Cambridge Powerpointのスライドと例およびMplus構文

— スーティカ
ソース

多くの良い考えがここから出てきます。ただし、1.「ステップワイズ」を「順番」または「個別のステップ」に変更する必要があります。「段階的」には別の意味があります。2. Time-2がTime-1を上回っているように見えるという事実は、誤解を招く可能性があります。統計的制御、偏相関、共線性、および変数の重要性を含むトリッキーなトピック。3.得点分析とは対照的に、ANCOVAを使用するかどうか、いつ使用するかを論じている興味深いストランドがあります。例えば、stats.stackexchange.com/questions/26529/...

— rolando2

@ rolando2ありがとうございます。1.表現を変更しました。2.はい。多重共線性の診断が非常にうまくいったので、統計的にはTime-1とTime-2を1つのモデルに配置しても問題ないと想定しました。順序を入れ替えてTime-2を最初に入力したとき、Time-1はモデルに大幅に追加されませんでした。これは、Time-2がより重要な要素であることもサポートしているようです。3.おもしろい、ありがとう！

— Sootica 2013

@Sootica-優れたリンク、共有ありがとう

— BGreene 2013