? re: regressione logistica ordinale, variabili predittive non lineari<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />Ciao,
Sto cercando di capire se posso usare la funzione di regressione logistica ordinale con i dati che ho per creare un set di equazioni di previsione per la stima dell'età alla morte. Le mie variabili di risposta sono ordinali (adolescenti, giovani adulti, adulti medio, adulti anziani) e le mie quattro variabili predittive sono continue, ma due non sono lineari. Ho provato a trasformare le variabili predittive, ma non riesco a trovare una soluzione lineare. Se ho letto correttamente, l'analisi della regressione logistica ordinale in JMP si basa su un modello lineare generale, quindi negherei il mio essere in grado di utilizzare la funzione a causa delle mie variabili di risposta non lineari (determinate dalle medie di queste variabili quando grafico per categoria di età - vale a dire, i valori medi salgono a un asintoto nella mezza età adulta, quindi diminuiscono di valore nella vecchia età adulta)? Ho provato a eseguire l'analisi utilizzando la piattaforma non lineare, ma ricevo un messaggio di attenzione perché la mia variabile Y non è continua.
* Qualunque * consiglio costruttivo è molto apprezzato! Inoltre, al livello più elementare, sto comprendendo correttamente le ipotesi del modello logistico?
Grazie molto,
Kate
Ri:? re: regressione logistica ordinale, variabili predittive non lineariLe ipotesi per le variabili indipendenti non sono linearità (e non so nemmeno cosa significherebbe?)
Un modello lineare generalizzato significa che il modello è una combinazione lineare, ma i termini stessi possono essere quadratici. Un modello non lineare può avere statistiche sugli ordini (max / min) e / o divisione / moltiplicazione di termini che non possono essere espressi in modo lineare.
y = x + x ^ 2 è ancora un GLM
y = cx / ax è un modello non lineare.
Ri:? re: regressione logistica ordinale, variabili predittive non lineariCiao,
Nel lineare modelli di regressione, la variabile di risposta è continua.
Nel logistica modelli di regressione, la variabile di risposta è dicotomica. Quindi scegliamo la funzione di collegamento appropriata (probit, logit) per modellarla.
In tutti i modelli GLM, le variabili predittive possono essere continue e discrete (nominale, ordinale).
Non capisco (ma due sono non lineari):
"Le mie variabili di risposta sono ordinali (adolescenti, giovani adulti, adulti medio, adulti anziani) e le mie quattro variabili predittive sono continue, ma due sono non lineari. "
La tua variabile di risposta è ordinale. Quindi puoi dividerlo in 4 regressioni logistiche:
- Se è il codice 1 "adolescenziale", altro codice 0 -> con solo questa risposta dicotomica e tutte le altre variabili predittive, modella una regressione logistica.
- Se è il codice 1 "giovane adulto", altro codice 0 -> con solo questa risposta dicotomica e tutte le altre variabili predittive, modella una regressione logistica.
- Se è il codice 1 "medio adulto", l'altro codice 0 -> con solo questa risposta dicotomica e tutte le altre variabili predittive, modella una regressione logistica.
- Se è il codice 1 "medio adulto", l'altro codice 0 -> con solo questa risposta dicotomica e tutte le altre variabili predittive, modella una regressione logistica.
Puoi anche adattare la regressione logistica ordinale, come hai menzionato. Verificare questo esempio nel sito Web JMP.
Per ulteriori dettagli statistici su questi modelli, leggi "Introduzione all'analisi dei dati categoriali" o "analisi dei dati categoriali" di Alan Agresti, Wiley.
