Logistiska regressionsmodeller för Multinominell och Stal Variables

Multinominell Logistic Regression Omdömen

multinomial (aka polytomous) logistisk regressionsmodell är en enkel förlängning av den binomiala logistisk regressionsmodell. De används när den beroende variabeln har mer än två nominella (oordnade) kategorier. Omdömen

Dummy kodning av oberoende variabler är ganska vanligt. I multinomial logistisk regression den beroende variabeln dummy kodas i flera 1/0 variabler. Det är en variabel för alla kategorier utom en, så om det finns M kategorier, kommer det att finnas M-1 dummyvariabler. Alla utom en kategori har sin egen dummyvariabel. Varje kategori napp variabel har ett värde av 1 för sin kategori och en 0 för alla andra. En kategori, referenskategori, inte behöver egen dummyvariabel, eftersom det identifieras av alla andra variabler 0. Omdömen

mulitnomial logistisk regression bedömer sedan en separat binär logistisk regressionsmodell för var och en av dessa dummyvariabler. Resultatet är M-1 binära logistiska regressionsmodeller. Varje en berättar effekten av prediktorer på sannolikheten för framgång i den kategorin, i jämförelse med referens kategori. Varje modell har sina egna avlyssna och regressionskoefficienter - prediktorer kan påverka varje kategori olika Omdömen

Varför inte bara köra en serie av binära regressionsmodeller.? Du kan, och folk brukade innan multinomial regressionsmodeller fanns allmänt tillgängliga i programvaran. Du kommer troligen att få liknande resultat. Men kör ihop dem innebär att de beräknas samtidigt, vilket innebär att parameterskattningarna effektivare - det är mindre total oförklarlig fel Omdömen

Stal Logistisk regression. Den proportionella Odds Model Omdömen

När svaret kategorier beställs, du kan köra en multinomial regressionsmodell. Nackdelen är att du kastar bort information om beställning. Ett ordnings logistisk regressionsmodell bevarar den informationen, men det är något mer delaktiga. Omdömen

I Proportionella Odds modell, händelsen som modelleras är att inte ha ett resultat i en enda kategori, vilket görs i det binära och multinomial modeller. Snarare, varvid händelsen modellerade är att ha ett resultat i en viss kategori eller någon tidigare kategori Omdömen

Till exempel för en ordnad responsvariabel med tre kategorier, de möjliga händelser definieras som:. Omdömen

* att vara i grupp 1
* vara i grupp 2 eller en
* att vara i grupp 3, 2 eller 1.

den proportionella odds modellen har varje utfall sin egen intercept, men samma regressionskoefficienter. Detta innebär:

1. de totala oddsen för alla händelser kan skilja sig åt, men Omdömen

2. effekten av prediktorer på oddsen för en händelse som inträffat i varje efterföljande kategori är densamma för varje kategori. Detta är ett antagande om den modell som du måste kontrollera. Det är ofta kränks. Omdömen

Modellen är skriven något annorlunda i SPSS än vanligt, med ett minustecken mellan intercept och alla regressionskoefficienterna. Detta är en konvention säkerställa att positiva koefficienter, ökningar i X-värden leda till en ökning av sannolikhet i högre numrerade svarsalternativ. I SAS, skylten är ett plus, så ökar i prediktor värden leda till en ökning av sannolikhet i lägre numrerade svarsalternativ. Se till att du förstår hur modellen sätts upp i ditt statistisk paket innan tolka resultat Omdömen  ..