Semiquant vs. kontinuierliche Daten: Die beste Methode, um Beziehungen zu untersuchen?Hallo wieder,
Ich brauche Ihren Rat zu einer eher grundlegenden Frage der Statistik: Was ist die beste Methode, um die Beziehung zu untersuchen (z Spearmans Korrelation, Kendall's Tau, andere) zwischen semi-quantitativen Daten (mit einem Bewertungsgrad von 0,1,2,3) und kontinuierlichen Variablen (siehe Tabelle und Screenshot)?
Vielen Dank
Re: Semiquant vs. kontinuierliche Daten: Die beste Methode, um Beziehungen zu untersuchen?Ich würde mit anfangen ordinale logistische Regression . Angenommen, Sie haben den Ordnungsmodelltyp für die DATA SEMI-QUANT Antwort und die kontinuierliche Modellierungsart für die DATEN KONTINUIERLICH Prädiktor / Faktor können Sie entweder verwenden Analysieren > Passen Sie Y um X an oder Analysieren > Modell anpassen . Das Logistisch Plattform (von Passen Sie Y durch X an launch) liefert erste Ergebnisse wie folgt:
Sie können mit dieser Plattform auch die ROC-Kurve und die Lift-Kurve erhalten. Alternativ erhalten Sie diese ersten Ergebnisse von Ordinal Logistic Fit (von Modell anpassen starten):
Diese Plattform ermöglicht mehr Effekte im Modell wie andere Prädiktoren und Kovariaten und ihre Transformationen (Interaktionen, Potenzen). Der Prediction Profiler und die gleichen Diagnoseplots sind ebenfalls verfügbar.
Diese Regressionstechniken liefern mehr Informationen als einfache Assoziations- oder Übereinstimmungsmaße.
