Wie führe ich eine bedingte logistische Regression mit JMP durch?Hallo!
Ich bin daran interessiert, eine bedingte logistische Regression in JMP durchzuführen, konnte aber keine Dokumentation darüber finden, wie das geht, außer in Modellwahl Art von Szenario. Kann jemand raten?
Kurz gesagt, hier ist, was ich versuche zu tun.
Ich habe drei kategoriale nominale Gruppierungen, die jeweils in eine Kontroll- und eine Behandlungsgruppe unterteilt sind. Meine Ergebnisse fallen in 5 nicht geordnete Kategorien. Ich bin daran interessiert, die Behandlung mit der Kontrolle innerhalb jeder Gruppe zu vergleichen und dann zu sehen, ob die Behandlung in allen Gruppen ähnliche Wirkungen hat. Meine Stichprobengröße ist klein (14–30) pro Anfangsgruppe und entspricht insgesamt 70 Personen (35 Behandelte, 35 Kontrollpersonen).
Nach der Untersuchung verschiedener Arten logistischer Regressionen scheint es, dass ein bedingter logistischer Ansatz am besten geeignet ist. Matched-Pairs könnten auch ein Anwärter sein, aber die Einzelpersonen nicht notwendigerweise übereinstimmen, so sehr wie die allgemeinen Eigenschaften der Gruppe.
Haben Sie eine Empfehlung, wie man eine solche Analyse durchführt?
Ich wäre sowohl an einer Diskussion über die Angemessenheit der Technik (oder alternative Empfehlungen) als auch an einer Anleitung zur Verwendung der JMP-Plattform interessiert. Ich habe keine Erfahrung mit JSL.
Vielen Dank für Ihre Hilfe!
Jennifer
Betreff: Wie führe ich eine bedingte logistische Regression mit JMP durch?Lieber Mark,
Ich arbeite mit einem Baum, der das Geschlecht von Jahr zu Jahr ändern kann. Bäume im Experiment begannen also als männlich (M), weiblich (F) oder ambivalentes Geschlecht (A). Nach der Behandlung endeten dieselben Bäume als männlich (M), weiblich (F), nicht reproduktiv (N), ambivalentes Geschlecht (A) oder tot. Dies sind nominelle kategorische Antworten, weil wir noch nicht wirklich verstehen, wie sich das Geschlecht bei diesen Arten normalerweise ändert. Sie können sich tatsächlich als ordinal mit mehr Informationen herausstellen.
Betreff: Wie führe ich eine bedingte logistische Regression mit JMP durch?Verstanden! Danke für deine Hilfe!
Betreff: Wie führe ich eine bedingte logistische Regression mit JMP durch?Was bedeuten die fünf nominellen Reaktionsstufen: A, DEAD, F, M und N?
Betreff: Wie führe ich eine bedingte logistische Regression mit JMP durch?Die einzigen Empfehlungen lauten: 1) Tun Sie, was Sie tun – können Sie einige der Ebenen der kategorialen Variablen kombinieren? Weniger Ebenen bedeuten weniger Parameter im Modell. 2) Können Sie damit leben, einige der Fragen nicht zu beantworten? Müssen Sie zum Beispiel wissen, ob der Behandlungseffekt für jede Gruppe gleich ist? Wenn nicht, können Sie den Interaktionsterm aus dem Modell entfernen, und das würde wahrscheinlich enorm helfen.
Keine großartigen Optionen, aber das ist alles, was ich sehe, da es keine Option ist, mehr Daten zu erhalten.
Betreff: Wie führe ich eine bedingte logistische Regression mit JMP durch?Das hatte ich befürchtet! Ich werde damit herumspielen, einige der Kategorien zusammenzufassen, um zu sehen, ob ich die Stichprobengröße in einer kombinierten Gruppe erhöhen kann
Ich werde damit herumspielen, einige der Kategorien zusammenzufassen, um zu sehen, ob ich die Stichprobengröße in einer kombinierten Gruppe erhöhen kann. Abgesehen davon, mehr Daten zu sammeln (was für dieses Experiment zu diesem Zeitpunkt leider keine wirkliche Option ist), hätten Sie noch andere Empfehlungen?
Vielen Dank für deine Hilfe!
Betreff: Wie führe ich eine bedingte logistische Regression mit JMP durch?Ah ja. Das war etwas, was ich befürchtet hatte. Sie haben nicht viele Daten. Nur 70 Beobachtungen. Sie müssen diese 70 Beobachtungen entsprechend auf die verschiedenen Kombinationen verteilen, um die Anpassungsergebnisse zu unterstützen. Sie erhalten „instabile“ Meldungen, mit denen JMP Ihnen mitteilt, dass die Parameterschätzungen aufgrund fehlender Daten nicht sehr zuverlässig sind. Auf der Gesamtebene gibt es genug, um die Signifikanz für jeden Term zu berücksichtigen, aber innerhalb jedes Modells (denken Sie daran, dass Sie tatsächlich ein Modell für jede Ebene der Antwortvariablen haben) gibt es nicht genügend Daten, um die Parameter genau zu schätzen.
Betreff: Wie führe ich eine bedingte logistische Regression mit JMP durch?Liebe Dan,
Vielen Dank! Ihre Anweisungen waren klar und die Effektwahrscheinlichkeit zeigte, dass sowohl die Behandlung als auch die Gruppierung signifikant waren, nicht jedoch die Wechselwirkung der beiden.
Wenn ich mir jedoch die Parameterschätzungen ansehe, haben sie überraschenderweise alle ~0,99 als P-Wert. Wie ist es möglich, dass viele Parameterschätzungen alle nicht signifikant sind und dennoch eine Signifikanz für die Gesamteffekte der Behandlung und Gruppierung im Modell erhalten?
(Ich habe einen Screenshot der Ausgabe unten eingefügt.
Gruppierung = sex_2015; Trt/Kontrolle = Behandlung; Ergebnis = sex_2016)
Danke noch einmal!
Jennifer
Betreff: Wie führe ich eine bedingte logistische Regression mit JMP durch?Obwohl dieser Ansatz funktionieren kann, wäre er mit einigen Schwierigkeiten verbunden. Lassen Sie mich einen anderen Weg vorschlagen.
Anstatt drei Modelle (eines für jede Gruppe) zu erstellen und dann herauszufinden, ob die Behandlungswirkung in allen Gruppen gleich ist, erstellen Sie ein Modell.
Ich sehe eine Datentabelle mit drei Spalten: Gruppierung, Trt/Kontrolle und Ergebnis. Alle Spalten sind nominal.
Geben Sie unter Modell anpassen ein Modell für Gruppierung, Trt/Kontrolle und Gruppierung*Trt/Kontrolle an. Ergebnis ist das Y. Dadurch erhalten Sie ein nominales logistisches Regressionsmodell. Um zu sehen, ob es einen Zusammenhang zwischen der Behandlung und dem Ergebnis gibt, sehen Sie sich den Trt/Control-Teil des Effekt-Wahrscheinlichkeitsverhältnis-Testberichts an. Um festzustellen, ob es Unterschiede in den Gruppierungen gibt, sehen Sie sich die Gruppierungszeile dieses Berichts an. Ist der Behandlungseffekt in allen Gruppen gleich? Dies wird durch den Wechselwirkungsterm beantwortet. Eine signifikante Interaktion besagt, dass der Behandlungseffekt zwischen den Gruppen unterschiedlich ist. Viele andere gute Sachen zum Anschauen, aber das sind die Grundlagen für die Fragen, die Sie gestellt haben.
Wenn Sie wirklich eine separate Analyse für jede Gruppe wünschen, geben Sie das Modell nur als Trt/Control mit Ergebnis als Y an und setzen Sie die Gruppierungsvariable in die BY-Rolle. Es ist dann schwieriger festzustellen, ob die Behandlungswirkung in allen Gruppen gleich ist, da jede Analyse separat ist und entweder eine Handanalyse oder etwas wie das, was ich zuerst skizziert habe, erfordern würde.
