重回帰のヘルプ
高度な統計モデリングお願い: 重回帰について協力してくださいこんにちは、
ロジスティック回帰のパラメーターを調整する方法を聞きたいのですが、私は医学研究を行っており、「心臓発作」という結果をはい/いいえで分析し、炎症のパラメーターが結果に影響を与えるかどうかを分析していますが、年齢を調整する必要があります。それは心臓発作の危険因子として知られているからです。 質問: 「年齢」の調整はどこに入力すればよいですか?
ありがとう！
Re: 重回帰に関するヘルプマークの答えは非常に優れています。満足度が 0 から 1 の範囲の連続変数である可能性があるとは考えもしませんでした (これは私がよく見る尺度ではありません)。したがって、実際に連続的であれば、回帰モデルを実行できます。このようなモデルの係数を解釈するときは、非常に注意する必要があります。係数を因果関係として説明する誘惑は間違っている可能性があります。たとえば、係数は、各年の経験に関連する満足度の増加を表す場合があります。これが肯定的であれば、各年の経験が仕事の満足度にどのように貢献しているかのように解釈したくなるでしょう。しかし、経験が豊富な人ほど自分の仕事に満足すると考えるのは自然なことです（一種の生存バイアス）。重要な関連性の発見が実際に何を意味するのかは明らかではありません。他の独立変数についても同様の問題が発生します。
Re: 重回帰に関するヘルプあなたの反応が本当に 2 つのレベル (満足していない、満足している) である場合は、公称モデリングタイプそしてそれを断定的な反応として扱います。 これにより、線形回帰がロジスティック回帰に変更されます。
応答が実際に連続的である場合 (満足度が 0 から 1 まで)、線形回帰は困難になります。 回帰では、応答が制限がなく、負の無限大から正の無限大までの範囲があると想定されます。 [モデルの適合] 起動ダイアログに組み込まれている応答の変換を使用すると、不一致を修正できます。 ロジット変換は Log(満足度 / (1-満足度) ) です。 (関数は自然対数であることに注意してください)。
Y ロールで応答を選択し、変換の下部中央付近にある赤い三角形をクリックして Logit を選択するだけです。 それはこのように動作します：
この例には、連続的ですが応答と同様に 0 と 1 の間の範囲にある応答 Y があります。 予測子 X は正規分布します。 次に、指示に従って Fit Model 起動 I を設定します。
私は 2 次の線形モデルを使用していますが、その事実は重要ではありません。 このアプローチは、モデルなどの線形予測子で機能します。 「実行」をクリックします。
(最初に強調設定を最小レポートに変更したことに注意してください。)
この変換は、回帰で満足度の下限と上限を処理するのに役立つことがわかります。
Re: 重回帰に関するヘルプインジケーター関数のパラメーター化
学期 | 見積もり | 標準エラー | t比 | 問題>|t| |
インターセプト | 0,6116566 | 0,001994 | 306,75 | <,0001* |
標準最後の評価 | 0,0455447 | 0,00211 | 21,58 | <,0001* |
標準番号_プロジェクト | -0,047008 | 0,002134 | -22,03 | <,0001* |
標準時間支出会社 | -0,022359 | 0,002022 | -11,06 | <,0001* |
プロモーション_last_5years[1-0] | 0,0553393 | 0,013707 | 4,04 | <,0001* |
これを解釈するのを手伝ってください:)
Re: 重回帰に関するヘルプ応答変数を連続としてモデル化しないでください。これは 2 つの水準 (0 と 1) を持つ名目変数です。したがって、そのタイプを公称に変更するだけで、Fit Model プラットフォームはロジスティック回帰を実行します。一般に、定量的な結果は確かに異なりますが、同様の定性的な結果 (どの変数が重要な要因であるかについて) が見つかると思います。
Re: 重回帰に関するヘルプご回答ありがとうございます。 応答変数は連続変数であり、範囲は 0,0 ～ 1,0 で、0,0 は満たされず、1,0 は満たされます。
Re: 重回帰に関するヘルプ見たことがありますかヘルプ>本>線形モデルのフィッティング?
Re: 重回帰に関するヘルプここには多くの数値と多くの質問があります。これらの多くは、重回帰分析とは何か、係数や近似などを解釈する方法についての基本的な理解を必要とします。しかし、私は 1 つの大きな問題に焦点を当てます。結果は、満足度に影響を与える多数の重要な要因 (関連している可能性があるため、VIF で多重共線性を確認する必要があります) と、全体としてランダムよりも大幅に優れたモデル (多くの低い p 値で示されます) を示しています。しかし、全体的な適合 (R 二乗で示される) は非常に貧弱です。これは、応答変数Satisfaction_levelが連続としてコード化されているためだと推測します。平均値が 0.61 であるため、この変数は実際には順序的なもの、つまり満足度を 0 ～ 4 のスケールで評価するようなものではないかと思います。これを連続的なスケール (1 が 2 より優れているなど) で解釈することは可能ですが、それを行うのはやや危険です (1 から 2 および 2 から 3 の「距離」は、意味のある意味で実際には「等しい」わけではありません) ）。したがって、Y 変数を序数に変更してこれをモデル化することを検討するとよいでしょう。また、仕事の評価、昇進、経験などは互いに密接に関連していることが多いため、独立変数が実際に異なるものを測定しているかどうかも確認します。
