？re：順序ロジスティック回帰、非線形予測子変数<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />こんにちは、
私は、死亡年齢を推定するための一連の予測式を作成するために、私が持っているデータを使って順序ロジスティック回帰関数を使用できるかどうか把握しようとしています。 私の応答変数は序数（青年期、青年期、中年期、老年期）で、私の4つの予測変数は連続ですが、2つは非線形です。 予測子変数を変換しようとしましたが、線形解を見つけることができません。正しく読んだとすれば、JMPの順序ロジスティック回帰分析は一般的な線形モデルに基づいているので、非線形応答変数（これらの変数の手段によって決定されるのでこの関数を使用することはできません）年齢層別にグラフ化 - すなわち、平均値は中年成人期に漸近線まで上昇し、その後、高齢成人期には値が下がる）非線形プラットフォームを使用して解析を実行しようとしましたが、Y変数が連続的ではないため、警告メッセージが表示されます。
*どんな*建設的なアドバイスでも大歓迎です！また、最も基本的なレベルで、ロジスティックモデルの仮定を正しく理解していますか？
どうもありがとう、
ケイト
再：？re：順序ロジスティック回帰、非線形予測子変数独立変数の仮定は線形性ではありません（そしてそれが何を意味するのか私にさえわかりませんか？）
一般化線形モデルは、モデルが線形結合であることを意味しますが、用語自体は2次式になることがあります。 非線形モデルは、線形で表現することができない順序統計量（最大／最小）および／または項の除算／乗算を有することがある。
y = x + x ^ 2はまだGLMです
y = cx / axは非線形モデルです。
再：？re：順序ロジスティック回帰、非線形予測子変数こんにちは、
にリニア回帰モデルでは、応答変数は継続します。
に物流回帰モデルでは、応答変数は二分法です。それで我々はそれをモデル化するために適切なリンク関数（プロビット、ロジット）を選択する。
すべてのGLMモデルで、予測子変数は連続変数と離散変数（名義、序数）になります。
わかりません（ただし、2つは非線形です）。
「私の反応変数は序数的（青年期、青年期、中年期、老年期）であり、私の4つの予測変数は連続的ですが、 2つは非線形です。 「
あなたの応答変数は序数です。だからあなたは4ロジスティック回帰にそれを破ることができます：
- それが「思春期」のコード1、他のコード0 - >この二分応答と他のすべての予測変数のみを持つ場合、ロジスティック回帰をモデル化します。
- それが「青少年」のコード1、他のコード0 - >この二分応答と他のすべての予測変数のみを持つ場合、ロジスティック回帰をモデル化します。
- それが「ミドルアダルト」コード1、他のコード0 - >この二分応答と他のすべての予測変数のみを含む場合、ロジスティック回帰をモデル化します。
- それが「ミドルアダルト」コード1、他のコード0 - >この二分応答と他のすべての予測変数のみを含む場合、ロジスティック回帰をモデル化します。
あなたが述べたように、あなたはまた順序ロジスティック回帰を当てはめることができます。これをチェックして例 JMPのウェブサイトで。
これらのモデルに関する統計的な詳細については、WileyによるAlan Agrestiによる「カテゴリカルデータ分析の概要」または「カテゴリカルデータ分析」を参照してください。
