幫助進行多元回歸
高級統計建模請：幫助進行多元回歸你好，
我想問如何調整邏輯回歸中的參數：我進行醫學研究並分析“心髒病發作”的結果（是/否結果）以及炎症參數是否對結果有影響，但我必鬚根據年齡進行調整，因為它是心髒病發作的已知危險因素。 問：“年齡”的調整應該在哪裡輸入？
謝謝你！
回复：關於多元回歸的幫助馬克的回答非常好——我什至沒有想到滿意度可能是一個從0到1的連續變量（這不是我經常看到的量表）。因此，如果它確實是連續的，則可以運行回歸模型。我會非常小心地解釋這樣一個模型中的係數 - 將它們描述為因果關係的誘惑可能是不正確的。例如，係數可以描述與每年的經驗相關的滿意度的增加。如果這是積極的，那麼我們很容易將其解釋為每年的經驗如何有助於提高工作滿意度。但人們很自然地相信經驗豐富的人會對自己的工作更加滿意（一種生存偏見）。目前尚不清楚發現顯著關聯的真正含義。其他自變量也會出現類似的問題。
回复：關於多元回歸的幫助如果您的回答確實有兩個級別（不滿意、滿意），則使用名義建模類型並將其視為明確的回應。 這會將您的線性回歸更改為邏輯回歸。
如果你的反應確實是連續的（滿意度從0到1），那麼線性回歸就會有困難。 回歸假設響應是無界的並且具有負無窮到正無窮的範圍。 您可以使用“擬合模型”啟動對話框中內置的響應轉換來彌補差異。 Logit 變換為 Log( 滿意度 / (1-滿意度) )。 （注意函數是自然對數）。
只需選擇 Y 角色中的響應，然後單擊底部中心附近的紅色三角形進行變換並選擇 Logit。 它的工作原理如下：
此示例的響應 Y 是連續的，但像您的響應一樣介於 0 和 1 之間。 預測變量 X 呈正態分佈。 現在按照說明設置 Fit Model 啟動 I：
我使用的是二階線性模型，但這一事實並不重要。 此方法適用於任何線性預測器，例如您的模型。 單擊運行：
（請注意，我首先將“重點”設置更改為“最小報告”。）
您可以看到，這種轉換有助於回歸處理滿意度的下限和上限。
回复：關於多元回歸的幫助指標功能參數化
學期 | 估計 | 標準誤差 | t 比率 | 概率>|t| |
截距 | 0,6116566 | 0,001994 | 306,75 | <,0001* |
標准上次評估 | 0,0455447 | 0,00211 | 21,58 | <,0001* |
標準號_項目 | -0,047008 | 0,002134 | -22,03 | <,0001* |
標準 time_spend_company | -0,022359 | 0,002022 | -11,06 | <,0001* |
Promotion_last_5years[1-0] | 0,0553393 | 0,013707 | 4,04 | <,0001* |
請幫我解釋一下：）
回复：關於多元回歸的幫助您不應該將響應變量建模為連續變量。它是一個具有兩個級別（0 和 1）的名義變量。因此，只需將其類型更改為名義型，擬合模型平台就會進行邏輯回歸。一般來說，我認為您會發現類似的定性結果（關於哪些變量是重要因素），儘管定量結果肯定會有所不同。
回复：關於多元回歸的幫助謝謝您的回答。 響應變量是連續變量，範圍在 0,0 - 1,0 之間，其中 0,0 不滿足，1,0 滿足。
回复：關於多元回歸的幫助你見過嗎幫助>圖書>擬合線性模型？
回复：關於多元回歸的幫助這裡有很多數字和很多問題 - 其中許多需要基本了解什麼是多元回歸分析以及如何解釋係數、擬合等。但我將重點關註一個大問題。您的結果表明有許多影響滿意度的重要因素（儘管它們可能相關，因此您應該檢查 VIF 的多重共線性），並且總體上模型明顯優於隨機模型（由許多低 p 值表示）。但整體擬合度（由 R 方表示）相當差。我猜測這是由於您的響應變量滿意度水平被編碼為連續的。由於其平均值為 0.61，我懷疑這個變量確實是序數 - 就像以 0-4 的範圍來評價您的滿意度一樣。雖然可以用連續的尺度來解釋這一點（1 比2 更好，等等），但這樣做有些危險（從1 到2 和2 到3 的“距離”在任何有意義的意義上都不是真正的“相等”） ）。因此，您可能需要考慮將 Y 變量更改為序數來對此進行建模。我還會檢查你的自變量是否真的在衡量不同的事物，因為工作評估、晉升、經驗等往往彼此密切相關。
