idoneità logistica nominale<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />Salve, in condizioni logistiche nominali. Ottengo un modello significativo, tutti i parametri sono significativi per l'effetto LRT. ma tutte le stime dei parametri non sono significative.come può essere??
Ri: Follow-up-->Ri: idoneità logistica nominaleQuesti avvertimenti e indicatori suggeriscono un modello inadeguato. Non lo userei per prevedere i risultati (cioè classificare). Correggerei le cattive condizioni e verificherei prima i presupposti del modello.
Follow-up-->Re: idoneità logistica nominaleVoglio solo chiarire questa risposta che si trova nel link sottostante.La domanda originale si riferisce alle stime dei parametri instabili nella regressione logistica nominale.
" Questo è un problema comune. È causato dal fatto che alcuni parametri del modello diventano teoricamente infiniti. Ciò può verificarsi quando il modello prevede perfettamente la risposta o se nel modello sono presenti più parametri di quelli che possono essere stimati dai dati (ovvero con dati sparsi, dove "sparso" significa che ci sono poche o nessuna ripetizione di ciascuna impostazione di le covariate). Una soluzione è ridurre il numero di variabili e/o modificare le variabili continue in categoriali. Non c'è modo di sapere quale variabile eliminare o classificare perché tutte sono coinvolte contemporaneamente. Il modello risultante è solitamente efficace nel classificare le osservazioni, ma le inferenze sui parametri dovrebbero essere evitate."
Ritengo che anche con stime dei parametri instabili, distorte o azzerate, il modello possa comunque essere utilizzato anche solo per la classificazione?
Ri: idoneità logistica nominaleGrazie, ma non sto usando la versione pro, troppi soldi
Ri: idoneità logistica nominaleGrazie mille per la risposta, controllerò se l'ho fatto correlazione tra i miei parametri
Ri: idoneità logistica nominaleUn altro potenziale approccio se la multicollinearità tra le variabili predittive è un problema è che, se si esegue JMP Pro, anche le personalità Lasso/Rete elastica di regressione generalizzata rappresentano opzioni di modellazione praticabili.
Ri: idoneità logistica nominaleLe stime dei parametri sono etichettate come "instabili"? Se è così, potresti dare un'occhiata a questa nota JMP: 36686 - Quando eseguo la regressione logistica nominale o ordinale in JMP®, ricevo stime dei parametri etichettate come "Instabile".
Ri: idoneità logistica nominaleLa causa è la collinearità tra le variabili indipendenti.
Il test complessivo dice semplicemente che il modello che include tutte le variabili è migliore della media della risposta.
Il test di significatività dei singoli parametri è condizionato a tutti gli altri parametri del modello.
Se esiste una correlazione sostanziale tra due variabili indipendenti, entrambe importanti per spiegare la risposta, allora nessuna delle due sarà significativa insieme all’altra nel modello.
La collinearità può essere più complicata della semplice correlazione di due variabili.Può accadere se una variabile è correlata con una combinazione lineare di diverse altre variabili, cosa comune quando si hanno molte variabili indipendenti.
La soluzione in generale è identificare i sottoinsiemi di variabili altamente correlate tra loro e utilizzare un sottoinsieme che non sia troppo correlato.
Non essendo un esperto di JMP, più SAS, lascerò ad altri il compito di darvi consigli più specifici su come identificare i sottoinsiemi altamente correlati
Alcune idee che mi vengono in mente stanno esaminando le correlazioni a coppie.Un'altra idea è quella di utilizzare la piattaforma di partizione per selezionare variabili indipendenti candidate.
Se il tuo obiettivo è la previsione, l'utilizzo del partizionamento ricorsivo va bene.Se il tuo obiettivo è l'inferenza, l'uso del partizionamento ricorsivo per selezionare le variabili distorcerà i valori p e renderà sospetta qualsiasi inferenza.
