Mangelnde Anpassung an den logistischen FortschrittsberichtIch habe eine logistische Regressionsanalyse für einen Datensatz durchgeführt, der 6 binäre Faktoren und 1 kontinuierlichen Faktor enthält. Dann wiederhole ich die Analyse, nachdem ich den kontinuierlichen Parameter durch Schwellenwertbildung in einen binären Parameter umgewandelt habe (0, wenn <= Schwellenwert, andernfalls 1).
Bei der ersten Analyse erhalte ich im Bericht die folgende Lack-of-Fit-Tabelle
Passt nicht
Quelle | DF | -LogLikelihood | ChiSquare |
Passt nicht | 1,85e+7 | 4433.7627 | 8867.525 |
Gesättigt | 1,85e+7 | 387.7085 | Prob>ChiSq |
Tailliert | 7 | 4821.4712 | 1,0000 |
Wenn ich die Analyse nach der Konvertierung der kontinuierlichen Variablen in eine Binärvariable wiederhole, erhalte ich die folgende Tabelle „Lack of Fit“, in der Prob>ChiSq jetzt 0,0009 anstelle des früheren Werts 1,0000 beträgt.
Passt nicht
Quelle | DF | -LogLikelihood | ChiSquare |
Passt nicht | 120 | 87.1476 | 174.2951 |
Gesättigt | 127 | 4778.6278 | Prob>ChiSq |
Tailliert | 7 | 4865.7753 | 0,0009* |
Ich kann die Beschreibung des Mangels an Eignung in der Dokumentation zum Nominal Logistic Eignungsbericht nicht finden.Möchte ich im Zusammenhang mit „mangelnder Anpassung“, dass der Wert nahe bei 1 liegt, damit das Modell gut zu den Daten passt? Was bedeutet das Sternchen neben 0,0009?
Betreff: Mangelnde Anpassung im Logistik-RgressionsberichtIch empfehle nicht, einen kontinuierlichen Prädiktor durch einen binären Prädiktor zu ersetzen. Binäre Variablen sind weniger aussagekräftig.
Der Unterschied, den Sie beobachten, ist auf die Änderung der Freiheitsgrade zurückzuführen. Die erste Analyse umfasst 1,85E+7 Freiheitsgrade im Test der Stichprobenstatistik von 8867,525, während die zweite Analyse nur 120 DF für die entsprechende Stichprobenstatistik von 174,2951 umfasst.
Der Test auf fehlende Anpassung basiert auf einem Vergleich zwischen dem ausgewählten Modell und dem gesättigten Modell (unvoreingenommen). Die Nullhypothese geht davon aus, dass sie gleich sind. Der erwartete Chi-Quadrat-Wert unter der Nullhypothese ist gleich dem DF.Chi-Quadrat übersteigt den DF unter der Nullhypothese.Der zugehörige p-Wert gibt Auskunft darüber, wie viele solcher Ergebnisse die Stichprobenstatistik aus der Analyse überschreiten.
