Signification des estimations des paramètresJ'étudie ce qui décourage les hommes et les femmes de travailler dans un autre pays. J'ai mon tableau et je peux conclure que les femmes sont plus découragées par les facteurs politiques que les hommes avec un niveau de signification de 0,0017. Mais je ne suis pas tout à fait sûr de comprendre l'"estimation". Que puis-je dire à propos du -1,2699 ?
Le score est un classement de la façon dont un facteur décourage le désir de vivre et de travailler dans ce pays. De 1 - Je ne me décourage pas, à 5 - Ça va beaucoup me décourager.
Re : Signification des estimations de paramètresVous utilisez la plateforme Nominal Logistic Fit. Vous dites que la réponse comporte cinq niveaux. Si c'est vrai, alors vous auriez un rapport différent. La colonne avec la réponse a-t-elle vraiment cinq niveaux (1-5) ? Utilise-t-il un type de données caractère ou numérique ? Utilise-t-il le type de modélisation ordinale ? Une telle réponse est de nature ordinale, vous pouvez donc tirer parti des informations supplémentaires sur les classements ainsi que sur les différences. Cet arrangement devrait automatiquement conduire à la plate-forme Ordinal Logistic Fit (en commençant par Analyze > Fit Model).
L'estimation du paramètre est le coefficient de votre prédicteur linéaire. Il représente donc le changement dans la réponse si vous avez un niveau particulier d'un prédicteur catégoriel ou un changement d'une unité pour un prédicteur continu. Cela signifie la même chose que dans une analyse de régression multiple avec une réponse continue.
La différence ici est la réponse. Elle est continue par une transformation : le logit. Vous ajustez le prédicteur linéaire au log (cotes).La réponse ordinale utilise le logit cumulatif, vous ajustez donc le prédicteur linéaire au log( Pr( niveau i ou inférieur ) / Pr( niveau i+1 ou supérieur ). Dans votre cas, vous aurez quatre logits (le nombre de logits est toujours un de moins que le nombre de niveaux de réponse). En effet, vous disposez de quatre ensembles d'estimations de paramètres, mais ils utilisent une interception commune dans le cas d'une réponse ordinale.
Vous pouvez observer la forme explicite du modèle de régression logistique ordinale en sélectionnant Enregistrer les colonnes > Formule de prédiction, puis en examinant le tableau de données. Vous aurez une colonne pour le prédicteur linéaire, puis la transformation inverse pour la probabilité de chaque niveau. Enfin, vous aurez la prédiction, qui est le niveau avec la probabilité la plus élevée.
Re : Signification des estimations de paramètresIl semble que vous correspondiez à une régression logistique binaire avec plusieurs facteurs continus. Ainsi, chaque estimation mesure la logarithme du rapport de cotes (aks logit) d'un facteur. Par exemple, pour Politic, cela montre qu'une augmentation d'une unité de Politic conduit à une diminuer dans le rapport de cotes logarithmique de 1,2699. Une mesure plus largement utilisée est rapport de cotes , qui peut être demandée dans JMP
http://www.jmp.com/support/help/13/Odds_Ratios_Nominal_Responses_Only.shtml
Quelques ressources en ligne supplémentaires sur les paramètres de régression logistique :
https://www.unm.edu/~schrader/biostat/bio2/Spr06/lec11.pdf
Re : Signification des estimations des paramètres@Mark_Bailey Mark J'espère que cela ne vous dérange pas que je saute sur ce très vieux fil pour vous demander de clarifier quelque chose. Si mon prédicteur continu est un rapport (continu de 0 à 1), alors qu'est-ce qui constitue un changement d'une unité de mon prédicteur continu ? Est-ce le passage de 0 à 1 ?
Re : Signification des estimations de paramètresOui, un changement d'unité dans un prédicteur continu signifie toujours une différence de niveaux de prédicteur de 1. Un changement de 0 à 1 est un tel changement d'unité. La régression ne fait pas la différence entre un prédicteur d'intervalle et un prédicteur de rapport.
