Bedeutung der ParameterschätzungenIch untersuche, was Männer und Frauen davon abhält, in einem anderen Land zu arbeiten. Ich habe meine Tabelle und kann mit einem Signifikanzniveau von 0,0017 zu dem Schluss kommen, dass Frauen durch politische Faktoren stärker entmutigt werden als Männer. Aber ich bin mir nicht ganz sicher, ob ich die „Schätzung“ verstehe. Was kann ich zu -1,2699 sagen?
Bei der Bewertung handelt es sich um eine Rangfolge davon, wie ein Faktor den Wunsch, in diesem Land zu leben und zu arbeiten, beeinträchtigt. Von 1 – „Ich entmutige mich nicht“ bis 5 – „Es wird mich sehr entmutigen“.
Betreff: Bedeutung der ParameterschätzungenSie nutzen die Nominal Logistic Fit-Plattform. Sie sagen, dass die Reaktion fünf Stufen hat. Wenn das stimmt, dann hätten Sie einen anderen Bericht. Hat die Spalte mit der Antwort tatsächlich fünf Ebenen (1-5)? Wird der Datentyp „Zeichen“ oder „Numerisch“ verwendet? Wird der ordinale Modellierungstyp verwendet? Eine solche Antwort ist ordinaler Natur, sodass Sie die zusätzlichen Informationen zu Rankings und Unterschieden nutzen können. Diese Anordnung sollte automatisch zur Ordinal Logistic Fit-Plattform führen (beginnend mit Analysieren > Modell anpassen).
Die Parameterschätzung ist der Koeffizient Ihres linearen Prädiktors. Es stellt also die Änderung der Antwort dar, wenn Sie eine bestimmte Ebene eines kategorialen Prädiktors oder eine Änderung von 1 Einheit für einen kontinuierlichen Prädiktor haben. Es bedeutet dasselbe wie bei einer multiplen Regressionsanalyse mit kontinuierlicher Antwort.
Der Unterschied liegt hier in der Reaktion. Es ist kontinuierlich durch eine Transformation: den Logit. Sie passen den linearen Prädiktor an den Logarithmus (Quoten) an.Die ordinale Antwort verwendet den kumulativen Logit, sodass Sie den linearen Prädiktor an den Logarithmus (Pr(Stufe i oder niedriger) / Pr(Stufe i+1 oder höher) anpassen. In Ihrem Fall haben Sie vier Logits (die Anzahl der Logits ist immer um eins kleiner als die Anzahl der Antwortstufen). Tatsächlich verfügen Sie über vier Sätze von Parameterschätzungen, die jedoch im Fall einer ordinalen Antwort einen gemeinsamen Achsenabschnitt verwenden.
Sie können die explizite Form des ordinalen logistischen Regressionsmodells beobachten, indem Sie „Spalten speichern“ > „Vorhersageformel“ auswählen und dann die Datentabelle untersuchen. Sie haben eine Spalte für den linearen Prädiktor und dann die Rücktransformation für die Wahrscheinlichkeit jeder Ebene. Schließlich erhalten Sie die Vorhersage, welches Level mit der höchsten Wahrscheinlichkeit vorliegt.
Betreff: Bedeutung der ParameterschätzungenEs sieht so aus, als ob Sie einer binären logistischen Regression mit mehreren kontinuierlichen Faktoren entsprechen. Jede Schätzung misst also die Log-Odds-Ratio (aks logit) eines Faktors. Für „Politik“ zeigt sich beispielsweise, dass eine Erhöhung von „Politik“ um eine Einheit zu a führt verringern im logarithmischen Quotenverhältnis um 1,2699. Eine weiter verbreitete Maßnahme ist Wahrscheinlichkeit , die in JMP angefordert werden kann
http://www.jmp.com/support/help/13/Odds_Ratios_Nominal_Responses_Only.shtml
Einige zusätzliche Online-Ressourcen zu logistischen Regressionsparametern:
https://www.unm.edu/~schrader/biostat/bio2/Spr06/lec11.pdf
Betreff: Bedeutung der Parameterschätzungen@Mark_Bailey Mark, ich hoffe, es macht dir nichts aus, wenn ich auf diesen sehr alten Thread springe und dich um eine Klarstellung bitte. Wenn mein kontinuierlicher Prädiktor ein Verhältnis ist (kontinuierlich von 0 bis 1), was bedeutet dann eine Änderung von 1 Einheit meines kontinuierlichen Prädiktors? Ist es der Wechsel von 0 auf 1?
Betreff: Bedeutung der ParameterschätzungenJa, eine Änderung um eine Einheit in einem kontinuierlichen Prädiktor bedeutet immer einen Unterschied in den Prädiktorstufen von 1. Ein Wechsel von 0 auf 1 ist ein solcher Einheitenwechsel. Die Regression unterscheidet nicht zwischen einem Intervallprädiktor und einem Verhältnisprädiktor.
