<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />Mit JMP 10 kann ich ein logistisches Anpassungsdiagramm für eine ordinale logistische Regression anfordern (entweder mit y auf x oder mit passendem Modell). Das offensichtliche "Problem" ist, dass die Handlung das Gegenteil von dem ist, was ich erwarte. Das heißt, man muss den Bereich über einer Linie als die Wahrscheinlichkeit eines Ereignisses betrachten. Man muss die Zeilen selbst ziemlich ignorieren. Wenn ich also mit einer kurvenförmigen Linie rechne, die einen "Buckel" (höchste Y-Werte für X-Zwischenwerte) zeigt, zeigt sie eine Kurve, die ein Hufeisen ist. Wenn ich dieselben Daten mit OLS ablaufe (eine Polynomkurve zeigt), bekomme ich einen schönen Buckel mit den Daten. (Um Verwirrung zu vermeiden, fordere ich ein Polynom oder eine quadratische Funktion an, weshalb die Linie in der Mitte nach oben zeigt - das ist nicht das Problem.)
Das gleiche Problem tritt bei der einfachen (binären) Regression auf. Man muss die Bereiche oberhalb der Linie betrachten und nicht die Linien. Sie gibt die Schätzungen und Quotenquoten für ein Ereignis an, das "nicht" auftritt und nicht auftritt.
Ich habe diese Verschwörung einigen Leuten gezeigt, die ähnlich verwirrt sind. Wir sind es gewohnt, logistische Regressionsplots (wie bei OLS-Plots) mit einer Linie zu sehen, die die Wahrscheinlichkeit eines Ereignisses bei verschiedenen 'x'-Werten darstellt.
Kann mir jemand sagen, warum JMP die Daten auf diese Weise darstellt? Ich kann keine ähnlichen Beispiele für andere Softwareprogramme finden. Irgendwelche Vorschläge, was zu tun ist? Was macht SAS? Ich weiß nicht, ob ich JMP durch Umkehren der numerischen Werte täuschen kann - ich habe es versucht, bin aber unbequem beim Interpretieren des Produkts.
Ich werde eine Ausgabe beifügen, die den Hufeisenplot zeigt. Die höchsten y-Werte entsprechen den mittleren x-Werten (hier als Boden der Mulde dargestellt).
