54192_de-DE

liliconcom

Hilfe bei multipler Regression

 

 

Erweiterte statistische ModellierungBitte: Helfen Sie bei der multiplen Regression

Hallo,

Ich würde gerne fragen, wie ich einen Parameter in der logistischen Regression anpassen kann: Ich betreibe medizinische Forschung und analysiere das Ergebnis „Herzinfarkt“ mit Ja/Nein-Ergebnis und ob Entzündungsparameter einen Einfluss auf das Ergebnis haben, aber ich muss mich an das Alter anpassen. da es ein bekannter Risikofaktor für einen Herzinfarkt ist. Frage: Wo soll ich die Anpassung für „Alter“ eingeben?

Danke schön!

Betreff: Hilfe bei multipler Regression

Marks Antwort ist sehr gut – ich hätte nicht einmal gedacht, dass der Zufriedenheitsgrad eine kontinuierliche Variable sein könnte, die von 0 bis 1 reicht (das ist keine Skala, die ich oft gesehen habe).Wenn es also tatsächlich kontinuierlich ist, können Regressionsmodelle ausgeführt werden.Ich würde bei der Interpretation der Koeffizienten in einem solchen Modell sehr vorsichtig sein – die Versuchung, sie als kausal zu beschreiben, könnte falsch sein.Ein Koeffizient kann beispielsweise den Anstieg der Zufriedenheit beschreiben, der mit jedem Jahr Erfahrung einhergeht.Wenn dies positiv ist, wäre es verlockend, es so zu interpretieren, dass jedes Jahr Erfahrung zur Arbeitszufriedenheit beiträgt.Es wäre jedoch naheliegend zu glauben, dass Menschen mit mehr Erfahrung mit ihrem Job zufriedener wären (eine Art Überlebensbias).Es ist nicht klar, was es wirklich bedeutet, einen signifikanten Zusammenhang zu finden.Ähnliche Probleme ergeben sich für die anderen unabhängigen Variablen.

Betreff: Hilfe bei multipler Regression

Wenn Ihre Antwort wirklich zwei Stufen hat (nicht zufrieden, zufrieden), dann verwenden Sie a nominaler Modellierungstyp und behandeln Sie es als kategorische Antwort. Dadurch wird Ihre lineare Regression in eine logistische Regression umgewandelt.

Wenn Ihre Antwort wirklich kontinuierlich ist (Zufriedenheit von 0 bis 1), wird die lineare Regression schwierig sein. Bei der Regression wird davon ausgegangen, dass die Reaktion unbegrenzt ist und einen Bereich von negativer Unendlichkeit bis positiver Unendlichkeit aufweist. Sie können eine Transformation der Antwort verwenden, die in das Startdialogfeld „Modell anpassen“ integriert ist, um die Ungleichheit zu beheben. Die Logit-Transformation ist Log(Zufriedenheit / (1-Zufriedenheit) ). (Beachten Sie, dass die Funktion der natürliche Logarithmus ist).

Wählen Sie einfach die Antwort in der Y-Rolle aus, klicken Sie dann auf das rote Dreieck unten in der Mitte für „Transformationen“ und wählen Sie „Logit“ aus. Es funktioniert so:

Dieses Beispiel hat eine Antwort Y, die kontinuierlich ist, aber wie Ihre Antwort zwischen 0 und 1 begrenzt ist. Der Prädiktor X ist normalverteilt. Richten Sie nun den Fit Model Launch I wie beschrieben ein:

Ich verwende ein lineares Modell zweiter Ordnung, aber diese Tatsache ist nicht wichtig. Dieser Ansatz funktioniert mit jedem linearen Prädiktor wie Ihrem Modell. Klicken Sie auf Ausführen:

(Beachten Sie, dass ich zunächst die Einstellung „Hervorhebung“ auf „Minimaler Bericht“ geändert habe.)

Sie können sehen, dass diese Transformation der Regression hilft, mit den unteren und oberen Zufriedenheitsgrenzen umzugehen.

Betreff: Hilfe bei multipler Regression

Parametrierung der Indikatorfunktion

 

Begriff	Schätzen	Standardfehler	t-Verhältnis	Prob>|t|
Abfangen	0,6116566	0,001994	306,75	<,0001*
Std last_evaluation	0,0455447	0,00211	21,58	<,0001*
Standardnummer_Projekt	-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*

 

Bitte helfen Sie mir, das zu interpretieren

Betreff: Hilfe bei multipler Regression

Sie sollten die Antwortvariable nicht als kontinuierlich modellieren.Es handelt sich um eine nominale Variable mit zwei Stufen (0 und 1).Ändern Sie daher einfach den Typ in „Nominal“ und die Fit Model-Plattform führt eine logistische Regression durch.Im Allgemeinen denke ich, dass Sie ähnliche qualitative Ergebnisse finden werden (in Bezug darauf, welche Variablen signifikante Faktoren sind), obwohl die quantitativen Ergebnisse sicherlich unterschiedlich sein werden.

Betreff: Hilfe bei multipler Regression

Vielen Dank für Ihre Antwort. Die Antwortvariable ist eine kontinuierliche Variable und hat einen Bereich zwischen 0,0 und 1,0, wobei 0,0 nicht erfüllt und 1,0 erfüllt ist.

Betreff: Hilfe bei multipler Regression

Hast du gesehen Helfen > Bücher > Anpassen linearer Modelle ?

Betreff: Hilfe bei multipler Regression

Sie haben hier viele Zahlen und viele Fragen – viele davon erfordern ein grundlegendes Verständnis davon, was eine multiple Regressionsanalyse ist und wie Koeffizienten, Anpassungen usw. interpretiert werden. Ich werde mich jedoch auf ein großes Thema konzentrieren.Ihre Ergebnisse deuten auf eine Reihe signifikanter Faktoren hin, die die Zufriedenheit beeinflussen (obwohl sie möglicherweise miteinander zusammenhängen, daher sollten Sie den VIF auf Multikollinearität überprüfen) und insgesamt auf ein Modell, das deutlich besser als zufällig ist (erkennbar an den vielen niedrigen p-Werten).Aber die Gesamtanpassung (angezeigt durch das R-Quadrat) ist ziemlich schlecht.Ich vermute, dass dies daran liegt, dass Ihre Antwortvariable „satisif_level“ als kontinuierlich codiert ist.Da ihr Mittelwert 0,61 beträgt, vermute ich, dass diese Variable wirklich ordinal ist – so etwas wie die Bewertung Ihres Zufriedenheitsgrads auf einer Skala von 0 bis 4. Obwohl es möglich ist, dies auf einer kontinuierlichen Skala zu interpretieren (1 ist besser als 2 usw.), ist dies etwas gefährlich (die „Abstände“ von 1 zu 2 und 2 zu 3 sind in keinem sinnvollen Sinne wirklich „gleich“. ).Vielleicht möchten Sie dies also modellieren, indem Sie die Y-Variable in eine Ordinalzahl ändern.Ich würde auch prüfen, ob Ihre unabhängigen Variablen wirklich unterschiedliche Dinge messen, da Dinge wie Jobbewertungen, Beförderungen, Erfahrung usw. oft eng miteinander verbunden sind.