? re: regresión logística ordinal, variables predictoras no lineales<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />Hola,
Estoy tratando de averiguar si puedo usar la función de regresión logística ordinal con los datos que tengo para crear un conjunto de ecuaciones de predicción para estimar la edad de la muerte. Mis variables de respuesta son ordinales (adolescente, adulto joven, adulto medio, adulto mayor) y mis cuatro variables predictoras son continuas, pero dos no son lineales. He intentado transformar las variables predictoras, pero parece que no puedo encontrar una solución lineal. Si he leído correctamente, el análisis de regresión logística ordinal en JMP se basa en un modelo lineal general, por lo que negaría que pudiera usar la función debido a mis variables de respuesta no lineales (determinadas por la media de estas variables cuando graficado por categoría de edad, es decir, los valores medios aumentan a una asíntota en la edad adulta media, y luego caen en valor en la edad adulta mayor? He intentado realizar el análisis utilizando la plataforma no lineal, pero recibo un mensaje de advertencia porque mi variable Y no es continua.
* Cualquier * consejo constructivo es muy apreciado! Además, en el nivel más básico, ¿estoy entendiendo correctamente las suposiciones del modelo logístico?
Muchas gracias,
Kate
Re:? re: regresión logística ordinal, variables predictoras no linealesLos supuestos para las variables independientes no son la linealidad (¿y ni siquiera sé qué significaría eso?)
Un modelo lineal generalizado significa que el modelo es una combinación lineal, pero los términos en sí pueden ser cuadráticos. Un modelo no lineal puede tener estadísticas de orden (máx / min) y / o división / multiplicación de términos que no se pueden expresar de forma lineal.
y = x + x ^ 2 sigue siendo un GLM
y = cx / ax es un modelo no lineal.
Re:? re: regresión logística ordinal, variables predictoras no linealesHola,
En lineal En los modelos de regresión, la variable de respuesta es continua.
En logístico En los modelos de regresión, la variable de respuesta es dicotómica. Así que elegimos la función de enlace apropiada (probit, logit) para modelarla.
En todos los modelos de GLM, las variables predictoras pueden ser continuas y discretas (nominales, ordinales).
No entiendo (pero dos no son lineales):
"Mis variables de respuesta son ordinales (adolescente, adulto joven, adulto medio, adulto mayor), y mis cuatro variables predictoras son continuas, pero dos son no lineales "
Su variable de respuesta es ordinal. Así que puedes descomponerlo en 4 regresión logística:
- Si es el código "adolescente" 1, otro código 0 -> con solo esta respuesta dicotómica y todas las demás variables predictoras, modela una regresión logística.
- Si es el código 1 del "adulto joven", el otro código 0 -> con solo esta respuesta dicotómica y todas las demás variables predictoras, modela una regresión logística.
- Si es el código 1 de "adulto medio", otro código 0 -> con solo esta respuesta dicotómica y todas las demás variables predictoras, modela una regresión logística.
- Si es el código 1 de "adulto medio", otro código 0 -> con solo esta respuesta dicotómica y todas las demás variables predictoras, modela una regresión logística.
También puede ajustar la regresión logística ordinal, como mencionó. Mira esto ejemplo en el sitio web de JMP.
Para obtener más detalles estadísticos sobre estos modelos, lea "Introducción al análisis de datos categóricos" o "Análisis de datos categóricos" por Alan Agresti, Wiley.
