1927_fr-FR

liliconcom

Intervalle de confiance pour le rapport impair dans la régression logistique nominaleDans un post précédent, quelqu'un a indiqué que les CI pour les rapports de cotes étaient supprimés ... Quelqu'un at-il des conseils sur la façon de calculer manuellement ces?

J'ai les paramètres d'estimation des paramètres et je peux le faire facilement lorsqu'une variable n'a que 2 niveaux, mais je ne suis pas sûr de la formule lorsqu'il y a 3 ou plus.

MerciRe: Intervalle de confiance pour le rapport impair dans la régression logistique nominaleOui, je comprends maintenant. JMP utilise le codage des effets alors que j'avais supposé que j'utilisais le codage de référence en raison du classement des valeurs que j'avais configuré.

Merci pour le coup de pouce dans la bonne direction. C'est logique maintenant.

Je souhaite qu'ils ramènent OU les CI cependant. Re: Intervalle de confiance pour le rapport impair dans la régression logistique nominaleAu bas de p439:

Les effets nominaux à deux niveaux sont codés 1 et -1 pour les premier et deuxième niveaux, donc rapport de cotes ou leurs réciproques seraient d'intérêt.

Cela semble aller dans le même sens ... Si vous êtes toujours inquiet, je vous suggère de contacter le support JMP et de nous dire ce qu’ils disent.Re: Intervalle de confiance pour le rapport impair dans la régression logistique nominaleCela ne semble pertinent que lorsque les prédicteurs sont continus; dans mon cas, les prédicteurs sont nominaux avec 2 niveaux ou plus. Je n'ai pas de rapports de cotes d'unités et de gammes dans ma sortie juste 'odds ratios'.Re: Intervalle de confiance pour le rapport impair dans la régression logistique nominaleConsultez les pages 439 à 440 du Guide des graphes JMP Stat. Ils discutent et montrent un exemple de rapport de probabilité d'unité et de rapport de probabilité de plage. Cette distinction peut expliquer ce que vous voyez.Re: Intervalle de confiance pour le rapport impair dans la régression logistique nominaleDe même, je pensais que le OU pour un terme était exp (b), où b est l'estimation du paramètre.

Il semble que JMP utilise exp (2 * b) ... J'ai une explication pourquoi d'une classe JMP; Cependant, je ne comprends pas vraiment pourquoi chaque statistique txt est calculée comme exp (b) ...