JMP Ordnungsregressionsausgabe<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />Hallo alle
Ich versuche, ein Modell mit JMP 10 einzubauen, und die Ergebnisse verwirren mich. Ich dachte, Sie könnten vielleicht helfen.
Ich habe eine ordinale abhängige Variable mit 3 Kategorien. Meine wichtigste unabhängige Variable von Interesse ist diskret mit mindestens 5 Kategorien! Neben dieser IV muss ich noch einige andere IVs untersuchen, von denen einige diskret und einige kontinuierlich sind.
Ich habe das Modell mit dem Fit-Modellmodul ausgeführt. Zuerst habe ich nur die Haupt-IV von Interesse getestet, und etwas Seltsames ist passiert. JMP hat Dummy-Variablen erstellt, wobei die letzte Kategorie als Kontrolle verwendet wird. Das Modell war nicht signifikant, mit P = 0,1134 (gesamter Modelltest), jedoch war eine Dummy-Variable tatsächlich signifikant (P = 0,036). Das verallgemeinerte R-Quadrat betrug 0,01, das Entropie-R-Quadrat betrug 0,009 und die Trainingsklassifizierungsrate betrug 35% (daher wäre ein Testsatz schlechter). Jeder Hinweis zeigt, dass die Ergebnisse Woche sind, aber wie kann ich erklären, dass ein ganzes Modell nicht signifikant ist, während eine IV (in diesem Fall ein Dummy-Level) signifikant ist? Es gibt keine Korrelation, da alle IVs Ebenen des gleichen Dummys sind!
Dann habe ich versucht, ein paar kontinuierliche IV hinzuzufügen. Beide waren sehr signifikant (P = 0,0015, P = 0,012). Das verallgemeinerte R-Quadrat liegt jedoch nur noch bei etwa 5%. Die Odds Ratios betragen 1,16 und 0,9. Wenn ich das Rollenspiel geändert habe und ein paar Box-Plots dieser IV-Gruppe von meinem DV erstellt habe, brauchte es kein Experte, um zu sagen, dass es keinen interessanten Unterschied gibt. Meine Stichprobengröße ist 411. Kann es sein, dass die große Stichprobengröße die niedrigen P-Werte verursacht hat, oder ist es ein Fehler vom Typ I? Wie kann ich sehr signifikante Ergebnisse erklären, wenn ich das Gefühl habe, dass sie keine Bedeutung haben?
Vielen Dank !
Re: JMP Ausgabe der ordinalen RegressionWas war " seltsam "über Ihren ersten Eindruck vom ersten Modell?
Ist Ihr erster Prädiktor nominal oder ordinal?
Das gesamte Modell und die einzelnen Effekttests stimmen nicht mit den Tests für individuelle Parameterschätzungen überein. Es ist möglich, dass ein signifikanter Parameter (dh eine von 0 verschiedene Schätzung) mit einer Ebene verknüpft ist, während der Begriff insgesamt nicht signifikant ist (dh der Unterschied zwischen dem Modell mit und ohne diesem Begriff ist nicht signifikant). Ein Prädiktor mit mindestens 5 Stufen könnte also eine Stufe umfassen, die eine signifikante Schätzung liefert, während der Begriff insgesamt nicht signifikant ist. Es ist auch möglich, dass bei so vielen Tests eine Datenprobe verwendet wird, dass Sie einen Typ I-Fehler für den signifikanten Test der Parameterschätzung haben.
Ihre Antwort wird möglicherweise von mehr als dem einzigen nominalen Prädiktor beeinflusst, sodass die anfängliche Anpassung an einen einzelnen Prädiktor möglicherweise nicht signifikant ist. Ein R-Quadrat der Stichprobe von 0,05 ist bei einer ordinalen Antwort nicht ungewöhnlich. Sind die Frequenzen der einzelnen Ebenen sehr unterschiedlich? Gab es einen erheblichen Mangel an Passform?
Wenn du meinst mit ' das Rollenspiel geändert Wenn Sie die X- und Y-Rolle der gleichen Variablen umgekehrt haben, bleibt die Zuordnung zwischen ihnen unabhängig von der Rolle bestehen, obwohl sich die numerischen Ergebnisse ändern, da angenommen wird, dass der Fehler allein in der Y-Rolle liegt.
Wenn du meinst mit ' Es brauchte keinen Experten, um zu sagen, dass es keinen interessanten Unterschied gibt 'dass der Effekt nicht ausgeprägt war, ich denke, das stimmt auch mit dem Eindruck überein, den die Schätzungen vermitteln. Bei einer ausreichenden Anzahl von Daten können Sie unter Umständen signifikante Parameterschätzungen für kleine Effekte finden. Die Odds Ratios sind nicht groß im Vergleich zum Nullwert von 1 (keine Assoziation), sondern der p -Werte führen uns zu der Entscheidung, dass sie signifikant sind (mit einer akzeptierten Fehlerrate des Typs I von 0,05).
Ist es möglich, dass diese Reaktion Auswirkungen hat, die bei einem der vorherigen Modelle noch nicht berücksichtigt wurden?
