Regressione logistica con più variabili di risultato<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />Sto eseguendo analisi di regressione logistica su un set di dati in cui il risultato ha più variabili categoriali.In questo caso, sto utilizzando il numero totale di esseri umani presenti (variabile continua) per prevedere il comportamento dei gibboni (i comportamenti sono categorici).Sto cercando di utilizzare le stime dei parametri per determinare quali comportamenti specifici sono influenzati dal numero di esseri umani, ma ho problemi a interagire con i risultati.Posso vedere i risultati per ogni comportamento individuale e il test di Wald per mostrare se quel comportamento è influenzato dal numero di persone, ma l'ultimo comportamento in ordine alfabetico sul mio elenco (vocalizzare) non restituisce alcun numero, quindi non so come farlo vedere se questa variabile è interessata.Sto interoperando correttamente questi risultati?Come faccio a vedere se l'ultimo comportamento (vocalizzare) è influenzato dal numero di persone?
Ri: Regressione logistica con più variabili di risultato - Odds ratio in JMPNon è vero. Anche in questo modo non è affatto facile. È più difficile che usare il comando Salva. Le stime dei parametri non sono stime degli odds o dei rapporti odd. Quella nota è solo una riaffermazione del problema della regressione logistica. Hai il predittore lineare sul lato destro dell'equazione del modello e la funzione logit sul lato sinistro. La nota visualizzata nella parte inferiore della tabella Stime dei parametri è solo un record di quali logit sono stati utilizzati con i predittori lineari.
Se salvi questa tabella di stime, devi creare una formula di colonna per calcolare il valore logit per ogni riga. Quindi devi aggiungere un'altra formula di colonna per ciascun livello di risposta per prevedere all'indietro le probabilità. Questo è ciò che fa per te il comando Salva > Salva probabilità.
Ri: Regressione logistica con più variabili di risultato - Odds ratio in JMPGrazie per la pronta risposta.
In alternativa al salvataggio delle formule di probabilità e al calcolo dei rapporti di probabilità da solo, avevo visto in modo indipendente nella parte inferiore della visualizzazione dei dati delle stime dei parametri sul mio modello logistico multinomiale che dice "per le probabilità logaritmiche di Risultato A/Risultato C, Risultato B/Risultato C " dove Risultato C è il mio risultato di riferimento.È possibile che io possa semplicemente calcolare il rapporto probabilità trasformando questi dati in una tabella dati, inserendo una nuova colonna con la formula exp(Stima)?
Ho trovato anche un post separato che fa riferimento a questo --> https://community.jmp.com/t5/Discussions/Logistic-regression-with-multiple-outcome-variables/mp/110579/highlight/true#M39763
Sembra quasi troppo facile per essere vero.
Grazie ancora.
Ri: Regressione logistica con più variabili di risultato - Odds ratio in JMPFai clic sul triangolo rosso nella parte superiore della piattaforma e seleziona Salva > Salva formula di probabilità .
Ri: Regressione logistica con più variabili di risultato - Odds ratio in JMPCiao Mark,
Sto eseguendo una regressione logistica multinomiale per una variabile di risultato con tre livelli.Ho cercato di capire come trovare i rapporti di probabilità e alla fine ho trovato questa tua risposta precedente.
Come salvo le formule di probabilità?
Grazie in anticipo.
Ri: Regressione logistica con più variabili di risultatoUna soluzione un po' semplicistica basata sulla GUI: nella tabella delle stime dei parametri ho fatto doppio clic sulla tabella. Ho scelto l'opzione "Crea tabella dati". Una volta che JMP ha prodotto la tabella dei dati, ho creato una nuova colonna che ho chiamato rapporto di probabilità. Quindi ho scelto l'opzione formula nel menu Cols. Una volta all'interno della finestra della formula ho scritto la formula: exp(Stima). L'output era l'odds ratio per le stime. Per ricontrollare, ho copiato e incollato le stime in R e ho utilizzato la funzione exp in R. Ha dato gli stessi risultati. HTH
Ri: Regressione logistica con più variabili di risultatoHo controllato le nostre risorse di apprendimento ma non ho trovato tutorial sulla regressione logistica nominale. (Vedi gli elementi selezionando Learning JMP nel menu della home page di JMP.) Ho quindi controllato il nostro account YouTube e ho trovato questo tutorial su Regressione logistica multipla . C'è anche Introduzione alla regressione logistica con tutorial in JMP su Youtube. Copre la regressione logistica in modo più approfondito, ma solo per il risultato. Non copre la regressione logistica multinomiale.
Offriamo questo corso di formazione, che tratta questo argomento: Analisi delle risposte discrete . Parleremo dell'origine, dell'uso e dell'interpretazione di tali modelli, nonché di come eseguire questa regressione in JMP.
Ri: Regressione logistica con più variabili di risultatoSto utilizzando JMP 13 Pro, non una versione per studenti.
Ri: Regressione logistica con più variabili di risultatoSono disponibili tutorial/video per la regressione logistica con risultati multipli?
Ri: Regressione logistica con più variabili di risultato - Odds ratio in JMPSì, ogni riga (individuale) otterrà un risultato dalla formula delle quote.
Sì, puoi usare le probabilità medie. Utilizzo Tavolo > Riepilogo O Analizzare > Tabulare per ottenere i risultati per ciascun gruppo o sottogruppo.
Il calcolo della mano è come dici tu: Pr(gruppo A) diviso per Pr(non gruppo A) o altro. L'odds ratio sarebbe il rapporto tra le probabilità in diverse condizioni (trattato, non trattato).
Ri: Regressione logistica con più variabili di risultato - Odds ratio in JMPVedo! Grazie!
Un seguito~
Quando utilizzo le colonne Prob[X] per calcolare le probabilità t(Prob[X1] diviso per Prob[X2]) otterrò le probabilità per quella individuale , corretto?
Quando riporto questo in un articolo dovrò riportare le probabilità per ciascun gruppo e il rapporto di probabilità per i gruppi confrontati (F trattati rispetto a M trattati o non trattati, per esempio).
Quando calcolo le probabilità di gruppo, lo faccio semplicemente media delle probabilità per quel gruppo?
Mi rendo conto che si tratta più di una questione statistica che di JMP, ma la maggior parte dei programmi calcola le quote di gruppo, quindi non riesco a trovare altra documentazione su come farlo manualmente.Grazie!
Ri: Regressione logistica con più variabili di risultato - Odds ratio in JMPLe colonne Lin[X] contengono il predittore lineare per la funzione logit adattata. Se esamini la formula, vedrai le stesse stime dei parametri mostrate nei risultati della regressione logistica. Non ti serve a meno che tu non abbia bisogno del logit!
Il predittore lineare viene, a sua volta, utilizzato per calcolare la probabilità di ciascun livello di risposta come Prob[X]. (Si ottiene risolvendo log( p / (1-p) ) = Lin[X] per p.) Questa probabilità è molto utile per il tuo scopo. Tieni presente che se selezioni Grafico > Profiler e selezioni Prob[X], assicurati di abilitare la funzionalità per espandere le formule intermedie, altrimenti eseguirai il profilo rispetto a Lin[X] anziché alla variabile predittrice effettiva.
Puoi utilizzare le colonne Prob[X] nelle nuove formule di colonna per calcolare le quote che desideri come Prob[X1] diviso per Prob[X2]. Allo stesso modo, puoi quindi calcolare qualsiasi rapporto di quote desiderato dalle quote derivate in questo modo.
Ri: Regressione logistica con più variabili di risultato - Odds ratio in JMPCaro Marco,
Grazie per l'aiuto!Vorrei sicuramente che JMP lo facesse automaticamente. Forse nella versione 14 
Quando salvo le formule dei problemi ottengo le seguenti colonne
Lin [F] Lin [B] Prob [F] Prob [B] Prob [M] Esito più probabile
Dove F, B e M sono i miei risultati e M è la categoria di riferimento.
Domande:
Cosa mi dicono le colonne Lin[ ]?
Calcolarlo per la regressione logistica binaria non sarebbe poi così difficile, ma qui penso che sia un po' più complicato.
Come posso
- calcolare le probabilità per ogni individuo?
- calcolare le quote per ciascun gruppo di categorie di risultato?
Una volta che ho le quote per ciascun gruppo di risultati, le divido semplicemente per le quote combinate del gruppo di riferimento per ottenere i rapporti delle quote (di F rispetto a M, ad esempio). È corretto?
Grazie per aver condiviso il tuo know-how statistico!
Ri: Regressione logistica con più variabili di risultato - Odds ratio in JMPPenso di sapere qual è il problema. L'esempio che hai citato ha un risultato binario. Sembra, tuttavia, che i tuoi dati abbiano più di due livelli. JMP non calcola i rapporti odd in questo caso. Puoi salvare le formule di probabilità, però, e calcolare con esse le quote e poi i rapporti di probabilità.
Ri: Regressione logistica con più variabili di risultato - Odds ratio in JMPI rapporti di probabilità sono disponibili in entrambi i Logistica piattaforma (a partire da Adatta Y per X) e il file Adattamento logistico nominale piattaforma (a partire da Fit Model). Utilizzando l'esempio tutorial che hai citato sopra, ottengo questo risultato utilizzando la prima piattaforma:
Ottengo questo risultato utilizzando la seconda piattaforma:
Tieni presente che i rapporti odd sono disponibili solo per una risposta nominale.
Ri: Regressione logistica con più variabili di risultato - Odds ratio in JMPSto eseguendo una regressione logistica multinomiale multipla e non riesco a fare in modo che JMP calcoli i rapporti odd come mostrato in tutorial utilizzando set di dati predefiniti.
Seguendo le istruzioni sopra riportate:
Quando utilizzo Adatta Y per X (trasmesso o meno) l'opzione del rapporto probabilità non viene visualizzata (vedi la prima e la seconda schermata di seguito).
Riesco a trovare il profiler, ma sto davvero cercando i rapporti di probabilità in modo da poterli confrontare con quelli che ho già calcolato a mano (vedi la terza schermata a destra).
Qualcun altro ha avuto questo problema?Siete mai riusciti a far sì che JMP calcoli i rapporti di probabilità per una logistica multinomiale multipla?
Grazie per l'aiuto!
Ri: Regressione logistica con più variabili di risultatoCome aggiornamento, questo è ciò che sto facendo ora: sto eseguendo ciascun comportamento individualmente utilizzando una regressione logistica binomiale standard, assegnando un punteggio ai comportamenti come 1 per quando si sono verificati e 0 per tutti gli altri comportamenti (solo quando la regressione logistica nominale era significativa).Lo faccio solo per comportamenti comuni.Questo finisce per essere ciò che volevo confrontare (un comportamento rispetto a tutti gli altri in base al numero di persone).L'unico problema che sto riscontrando ora è se sia necessario o meno apportare una correzione per l'esecuzione di più test (come Bonferroni).Sto eseguendo solo 5 comportamenti (nutrirsi, non visibile, dormire, riposare, viaggiare, vocalizzare), quindi non sono sicuro che sia necessaria la correzione.So che i bonferroni possono essere un po' conservatori, quindi sono un po' titubante nell'usarli a meno che non sembri davvero necessario.
Ri: Regressione logistica con più variabili di risultatoUtilizza gli LRT per giudicare la significatività e scegliere il tuo modello. Una volta completata questa parte, utilizzare il modello per calcolare i rapporti di probabilità.
Utilizza il profiler di previsione per calcolare le probabilità e quindi le probabilità di un evento rispetto al non evento per un determinato livello di predittore. Cambia il livello del predittore, ottieni le probabilità aggiornate e calcola le nuove quote. È quindi possibile calcolare il rapporto. In questo modo puoi calcolare il rapporto probabilità per qualsiasi cosa.
Ri: Regressione logistica con più variabili di risultatoPotete darmi maggiori informazioni sul profiler dei predittori?Riesco a ottenere quella cifra quando eseguo il test con il modello di adattamento anziché con adattamento di y per x, ma non sono sicuro di come stimare le probabilità per ciascuna previsione.Ciò che ho ottenuto è stata una figura come quella che ho realizzato, ma anche con linee orizzontali rosse sopra.Sono disponibili diverse opzioni nella freccia rossa a discesa, ma non sono sicuro di quale testi ciascuna previsione.E in effetti, bere era un comportamento raro, suppongo che fosse per questo che era instabile.
Ho un problema con l'esecuzione del rapporto probabilità in quanto jmp non mi dà questa opzione perché ci sono più di 2 comportamenti.Penso che sia quello che devo fare, ma non riesco a convincerlo a farlo.L'opzione non appare nel triangolo a discesa a meno che non crei una nuova scheda dati che abbia solo 2 possibili risultati nella variabile di risposta.Posso utilizzare il profiler predittivo, ma non ho molta familiarità con il suo funzionamento.
grazie ancora
Ri: Regressione logistica con più variabili di risultatoIl fatto che le stime di due parametri siano instabili indica che BERE era probabilmente un comportamento non comune.
Il modo più semplice per interpretare la regressione logistica è tramite i rapporti odd, che sono exp (stima dei parametri) e probabilità previste. Non conosco JMP, ma se hai SAS/STAT ho scritto un articolo sulla logistica multinomiale.Suo Qui:
Ri: Regressione logistica con più variabili di risultatoLa personalità della regressione logistica nominale in Stima modello dovrebbe essere d'aiuto. Puoi ottenere i rapporti di probabilità facendo clic sul triangolo rosso nella parte superiore della piattaforma. Inoltre, puoi utilizzare il profiler di previsione per stimare la probabilità di tutti i livelli per qualsiasi condizione e quindi calcolare le probabilità. Ora modifica la condizione (livello di predittore) e ripeti il calcolo. Ora calcola il rapporto di probabilità.
Ri: Regressione logistica con più variabili di risultatoÈ come se avessi disposto.Il gibbone esegue un solo comportamento alla volta, ma può eseguirne diversi, come nutrirsi, viaggiare, vocalizzare, strigliarsi, ecc.Quello che sto cercando di fare è vedere come il numero di persone presenti influisce sulla probabilità che il gibbone adotti un determinato comportamento, ad esempio il gibbone riduce il tempo trascorso a nutrirsi quando sono presenti più persone.La regressione logistica mi dà un valore ap per l'intero modello, quindi posso vedere che il numero di persone influenza il comportamento del gibbone, ma quello che vorrei fare è vedere quali comportamenti individuali guidano il modello: mi piacerebbe una sorta di statistiche con valori p che mi mostrano quali comportamenti stanno effettivamente cambiando.Tutto quello che sto facendo ora è guardare la figura di output e descrivere come cambiano i comportamenti.Ecco come appare l'output.Ho provato a inserire la figura, ma non funzionava.Tuttavia, ho capito che non posso eseguire il test del rapporto probabilità perché la mia risposta (comportamento) ha più di 2 variabili.
Adattamento logistico del comportamento degli esseri umani totali
Test del modello intero
Modello | -Probabilità del registro | DF | ChiSquare | Pro>ChiSq |
Differenza | 37.2401 | 11 | 74.48025 | <.0001* |
Pieno | 1162.7796 | | | |
Ridotto | 1200.0197 | | | |
| |
RSquadro (U) | 0,0310 |
AICc | 2371.15 |
BIC | 2468.39 |
Osservazioni (o Somma Pesi) | 660 |
| |
| |
| |
Misurare | Formazione | Definizione |
Entropia RSquadro | 0,0310 | 1-Loglike(modello)/Loglike(0) |
R-quadrato generalizzato | 0,1096 | (1-(L(0)/L(modello))^(2/n))/(1-L(0)^(2/n)) |
Media -Log p | 1.7618 | ∑ -Log(ρ)/N |
RMSE | 0,7987 | √ ∑(y-ρ)²/n |
Sviluppo medio addominali | 0,7918 | ∑ |y-ρ|/n |
Tasso di classificazione errata | 0,6727 | ∑(ρ≠ρMax)/n |
N | 660 | N |
| | |
Stime dei parametri
Termine | | Stima | Errore standard | ChiSquare | Pro>ChiSq |
Intercettare[Bere] | Instabile | 9.3119005 | 1537.0201 | 0,00 | 0,9952 |
esseri umani totali[Bere] | Instabile | -13.895268 | 1537.0192 | 0,00 | 0,9928 |
Intercetta[Alimentazione] | | -1,5746952 | 0,2067421 | 58.01 | <.0001* |
esseri umani totali[Feed] | | 0,45943506 | 0,0703651 | 42.63 | <.0001* |
Intercettare[Sposo] | | -3.8964691 | 0,7363762 | 28.00 | <.0001* |
esseri umani totali[Sposo] | | 0,17142825 | 0,2657919 | 0,42 | 0,5189 |
Intercetta[Groom Destinatario] | | -5.9062151 | 1.021258 | 33.45 | <.0001* |
esseri umani totali[Destinatario dello sposo] | | 0,60419887 | 0,1604264 | 14.18 | 0,0002* |
Intercetta[Appendi] | | -3.4626526 | 0,5849713 | 35.04 | <.0001* |
esseri umani totali[Hang] | | 0,187694 | 0,2073532 | 0,82 | 0,3654 |
Intercetta[Non visibile] | | -0,9158515 | 0,1862225 | 24.19 | <.0001* |
esseri umani totali[Non visibile] | | 0,35203714 | 0,0696868 | 25.52 | <.0001* |
Intercetta[Altro] | | -7.0115111 | 1.4481919 | 23.44 | <.0001* |
esseri umani totali[Altro] | | 0,71085044 | 0,1806613 | 15.48 | <.0001* |
Intercetta[Riposo - Sonno] | | -2.0491431 | 0,2866187 | 51.11 | <.0001* |
esseri umani totali[Riposo - Sonno] | | 0,25952368 | 0,0987496 | 6.91 | 0,0086* |
Intercetta[Riposo - Fermo] | | -1.703556 | 0,2215666 | 59.12 | <.0001* |
esseri umani totali[Riposo - Immobilità] | | 0,40532436 | 0,0739462 | 30.05 | <.0001* |
Intercettare[Se stesso sposo] | | -5.34457 | 1.6699724 | 10.24 | 0,0014* |
esseri umani totali[Self groom] | | 0,09443149 | 0,6681153 | 0,02 | 0,8876 |
Intercetta[Viaggio] | | -1.709588 | 0,2321228 | 54.24 | <.0001* |
esseri umani totali[Viaggio] | | 0.34947804 | 0,0784157 | 19.86 | <.0001* |
Per le probabilità di registro di Bevi/Vocalizza, Dai da mangiare/Vocalizza, Spoglia/Vocalizza, Spoglia il destinatario/Vocalizza, Appendi/Vocalizza, Non visibile/Vocalizza, Altro/Vocalizza, Riposa - Dormi/Vocalizza, Riposa - Fermo/Vocalizza, Self groom/Vocalizza , Viaggia/Vocalizza
Ri: Regressione logistica con più variabili di risultatoNon è possibile eseguire una regressione logistica con più variabili dipendenti in un'unica esecuzione della logistica. Ma forse hai UNA variabile dipendente - il comportamento del gibbone - con più livelli?Come viene reso operativo il "comportamento"? I dati sono più o meno questi:
ID caso N. Persone Comportamento
13A
2 2 B
35 A
42C
eccetera.? Oppure ciascun gibbone assume molteplici comportamenti? Oppure ogni gibbone è impegnato in più casi? (in tal caso, avresti bisogno di una qualche forma di modello multilivello, probabilmente con GLIMMIX?
Ri: Regressione logistica con più variabili di risultatoDevo ammettere che non conosco il sottoinsieme delle funzionalità JMP disponibili nella versione per studenti, ma prova questi suggerimenti e fammi sapere cosa trovi.
1. Utilizzando Adatta Y per X, avvii una piattaforma logistica. Hai già trovato i valori p per i test di Wald per giudicare la significatività. Fai clic sul triangolo rosso nella parte superiore della finestra e seleziona Rapporti quote. Due di essi appaiono a destra delle stime dei parametri e dei valori p. IL Rapporto di probabilità dell'unità è il rapporto per la variazione di 1 unità nel predittore. L'altro Rapporto di probabilità riguarda la modifica dell'intero intervallo (dal minimo al massimo) del predittore.
(Nota: se avvii Logistic con più risposte, otterrai modelli paralleli nella stessa finestra. Prova questo: tieni premuto CTRL su Windows o Comando su Macintosh, quindi fai clic sul triangolo rosso. In questo modo i rapporti di probabilità verranno calcolati per tutte le risposte, invece di chiedere una risposta alla volta. Questo trucco si chiama trasmissione e funziona con la maggior parte delle funzionalità di JMP!)
2. In alternativa, selezionare Analizza > Stima modello. Assegna le tue risposte al ruolo Y e aggiungi il tuo predittore all'elenco degli effetti. Fai clic sul pulsante Esegui e dovresti ottenere la stessa analisi di base di Logistic, ma con differenze di importanza. Le stime dei parametri utilizzano test del rapporto di verosimiglianza invece dei test di Wald. Inoltre, fai clic sul triangolo rosso in alto e seleziona Profiler > Profiler. Apparirà nella parte inferiore della finestra. Ora il profiler mostra le probabilità previste di ciascun livello di risposta. Puoi stimare le probabilità sotto un certo livello di riferimento del predittore, quindi stimare le probabilità in altre condizioni e formare qualsiasi rapporto di probabilità di cui potresti aver bisogno.
Ci sono molte altre funzionalità nelle piattaforme Logistic e Nominal Logisitic Fit, ma non voglio sopraffarvi tutte in una volta. Per favore fatemi sapere se questa spiegazione è stata utile o se avete altre difficoltà o domande.
Ri: Regressione logistica con più variabili di risultatoGrazie per l'aiuto.Possiedo una licenza per studenti di JMP.Non riesco a trovare il test del rapporto probabilità e non riesco a capire come utilizzare il profiler con valori non numerici.Sapete come posso accedere a queste funzioni?Sto solo eseguendo un'analisi di adattamento y per x, quindi non so nemmeno come indicare che sto eseguendo una regressione logistica nominale.
Ri: Regressione logistica con più variabili di risultatoSe sono presenti più di due livelli nelle variabili di risposta, si utilizza la regressione logistica ordinale o nominale. In entrambi questi casi, i logit cumulativi o i logit generalizzati, rispettivamente, utilizzano l'ultimo livello per le quote, quindi non possono essere stimati. Quindi se hai k livelli, allora ci sono k-1 logit con i relativi parametri associati.
Il modo migliore per interpretare questi logit è tramite rapporti di probabilità (relativi all'ultimo livello) o con una visualizzazione specifica, come il profiler di previsione in JMP.
