54192_fr-FR

liliconcom

Aide avec la régression multiple

 

 

Modélisation statistique avancéeS'il vous plaît : aide avec la régression multiple

Bonjour,

Je voudrais demander comment ajuster un paramètre dans la régression logistique : je fais des recherches médicales et j'analyse le résultat « crise cardiaque » avec un résultat oui/non et si les paramètres de l'inflammation ont un impact sur le résultat, mais je dois ajuster en fonction de l'âge, puisqu'il s'agit d'un facteur de risque connu de crise cardiaque. Question : où dois-je saisir l'ajustement pour « âge » ?

Merci!

Re : Aide avec la régression multiple

La réponse de Mark est très bonne : je n'avais même pas pensé que le niveau de satisfaction pouvait être une variable continue allant de 0 à 1 (ce n'est pas une échelle que j'ai souvent vue).Donc, si c’est effectivement continu, alors des modèles de régression peuvent être exécutés.J'interpréterais très soigneusement les coefficients d'un tel modèle - la tentation de les décrire comme causales peut être incorrecte.Par exemple, un coefficient peut décrire l'augmentation de la satisfaction associée à chaque année d'expérience.Il serait tentant, si cela est positif, de l’interpréter comme la manière dont chaque année d’expérience contribue à la satisfaction au travail.Mais il serait naturel de croire que les personnes plus expérimentées seraient plus satisfaites de leur travail (une sorte de biais de survie).On ne sait pas vraiment ce que signifie réellement la découverte d’une association significative.Des problèmes similaires se posent pour les autres variables indépendantes.

Re : Aide avec la régression multiple

Si votre réponse est réellement à deux niveaux (pas satisfait, satisfait), alors utilisez une type de modélisation nominale et traitez-le comme une réponse catégorique. Cela changera votre régression linéaire en régression logistique.

Si votre réponse est vraiment continue (satisfaction de 0 à 1), alors la régression linéaire aura du mal. La régression suppose que la réponse est illimitée et a une plage allant de l'infini négatif à l'infini positif. Vous pouvez utiliser une transformation de la réponse intégrée à la boîte de dialogue de lancement Ajuster le modèle qui devrait remédier à la disparité. La transformation Logit est Log( satisfaction / (1-satisfaction) ). (Notez que la fonction est le logarithme népérien).

Sélectionnez simplement la réponse dans le rôle Y, puis cliquez sur le triangle rouge en bas au centre pour les transformations et sélectionnez Logit. Cela fonctionne comme ceci :

Cet exemple a une réponse Y continue mais limitée entre 0 et 1 comme votre réponse. Le prédicteur X est normalement distribué. Configurez maintenant le lancement de Fit Model I comme indiqué :

J'utilise un modèle linéaire du second ordre mais ce fait n'est pas important. Cette approche fonctionne avec n'importe quel prédicteur linéaire tel que votre modèle. Cliquez sur Exécuter :

(Notez que j'ai d'abord modifié le paramètre Accentuation sur Rapport minimal.)

Vous pouvez voir que cette transformation aide la régression à gérer les limites inférieures et supérieures de satisfaction.

Re : Aide avec la régression multiple

Paramétrage de la fonction de l'indicateur

 

Terme	Estimation	Erreur standard	Rapport t	Prob>|t|
Intercepter	0,6116566	0,001994	306,75	<,0001*
Dernière_évaluation standard	0,0455447	0,00211	21,58	<,0001*
Numéro standard_projet	-0,047008	0,002134	-22,03	<,0001*
Std time_spend_company	-0,022359	0,002022	-11,06	<,0001*
promotion_last_5years[1-0]	0,0553393	0,013707	4,04	<,0001*

 

S'il vous plaît, aidez-moi à interpréter ceci

Re : Aide avec la régression multiple

Vous ne devez pas modéliser la variable de réponse comme continue.C'est une variable nominale à deux niveaux (0 et 1).En tant que tel, changez simplement son type en nominal et la plateforme Fit Model effectuera une régression logistique.En général, je pense que vous trouverez des résultats qualitatifs similaires (en ce qui concerne les variables qui sont des facteurs significatifs), même si les résultats quantitatifs seront certainement différents.

Re : Aide avec la régression multiple

Merci pour votre réponse. La variable de réponse est une variable continue et a une plage comprise entre 0,0 et 1,0 où 0,0 signifie non satisfait et 1,0 satisfait.

Re : Aide avec la régression multiple

Avez-vous vu Aide > Livres > Ajustement de modèles linéaires ?

Re : Aide avec la régression multiple

Vous avez beaucoup de chiffres ici et beaucoup de questions - beaucoup d'entre elles nécessitent une compréhension de base de ce qu'est une analyse de régression multiple et comment interpréter les coefficients, l'ajustement, etc. Mais je vais me concentrer sur un gros problème.Vos résultats indiquent un certain nombre de facteurs importants qui influencent la satisfaction (bien qu'ils puissent être liés, vous devez donc vérifier la multicolinéarité du VIF) et, dans l'ensemble, un modèle nettement meilleur que le modèle aléatoire (indiqué par les nombreuses valeurs p faibles).Mais l’ajustement global (indiqué par le carré R) est assez médiocre.Je suppose que cela est dû au fait que votre variable de réponse, satisfaction_level, est codée comme continue.Puisque sa valeur moyenne est de 0,61, je soupçonne que cette variable est vraiment ordinale – quelque chose comme évaluer votre niveau de satisfaction sur une échelle de 0 à 4. Bien qu'il soit possible d'interpréter cela sur une échelle continue (1 étant meilleur que 2, etc.), cela est quelque peu dangereux (les "distances" de 1 à 2 et de 2 à 3 ne sont pas vraiment "égales" dans un sens significatif ).Vous voudrez peut-être envisager de modéliser cela en changeant la variable Y en ordinale.Je vérifierais également si vos variables indépendantes mesurent réellement des choses différentes, car des éléments comme les évaluations de poste, les promotions, l'expérience, etc. sont souvent étroitement liés les uns aux autres.