如何确定序数逻辑回归的最大效果你好，
我正在使用单独的序数逻辑回归测试四个变量对 6 点指数的影响。 我的三个变量显示出显着的结果，但我无法评估其中哪一个对我的指数获得更高排名的可能性影响最大。
我把我的效果总结贴出来供大家参考。 我的变量（LOG MBL Balances）表现出最高的对数值和最高的伪 r 平方，但系数估计值略低于其他两个变量。 我的其他两个变量（LOG 资产和 LOG 成员资格）表现出非常相似的结果，并且两者的平均对数似然绝对值均高于 MBL 余额。
我是否可以说，由于 LOG MBL 表现出更好的拟合，因此尽管平均对数似然系数较低且绝对值较低，但它是对我的 DV 影响最大的变量？ 或者更好的说法是所有三个变量对我的 DV 都表现出相似的、适度的影响？
聚苯乙烯 我已在 JMP 14 和 Eviews 11 中运行回归。 谁能告诉我为什么 JMP 中的系数为负值，而 Eviews 中的系数为正值？
谢谢
回复：如何确定序数逻辑回归的最大效果PCA 是真实数据多变量分析中非常有用的工具。 相关性是很难避免的。 希望 PCA 能够单独提供一些见解，例如资产和成员资格可能是某些潜在变量的表达。
我假设通过“a尽管因子 3 提供了最低的解释值（约 12%） “你的意思是 PCA 中 12% 的方差。 你对因素 3 的看法是正确的。 因子 1 代表原始变量中变化最大的事实绝不意味着它是最重要的预测变量。 使用模型中的所有三个因素可以为分离和测试效果提供强有力的分析。
回复：如何确定序数逻辑回归的最大效果我无意质疑分析的有效性。 有效性取决于研究设计和变量的选择。我只是警告不要采取有时被称为“p 值网络钓鱼”的做法。 我并不是建议您进行网络钓鱼。 我认为你已经表现出了良好的学习能力。 我只是想澄清我的担忧。
让我用一个极端的例子来说明。 一项虚构且激进的研究根据可用性收集了数百个变量，并根据响应测试每个变量。 许多变量（数量大，而不是比例）被认为具有显着影响。 所有这些结果都意味着发现了相关或关联的模式。 有许多问题无法通过用于获得该结果的数据来回答。
- 该结果是否只是由于大量假设检验而导致的第一类错误？
- 根据当前理论，重要变量是否合理？
- 结果是另一个例子吗虚假相关性？
必须收集新的数据来验证和加强对初步发现的信念。 有效的研究和结果是可重复的。 如果我们跳过验证而急于举报，那么很可能是网络钓鱼案件。
因此，有效的研究是有计划的探索，从理论开始，事先考虑适当的数据收集和方法。 设计的实验是非常成功的研究，尽管并不总是可行。 一项有效的研究必须试图获得支持和反对该理论的经验证据。 我们希望没有证据反对我们的理论，但我们仍然有义务去寻找它。 我们不希望别人为我们找到它。
回复：如何确定序数逻辑回归的最大效果我对 PCA 进行了因子分析，并使用三个因子运行了序数逻辑模型。 我发现了非常有趣的结果。
看起来资产和会员资格似乎是因素 1 上最高的负载值（解释了 47% 的变化），因素 2 上的平均余额最高（解释了约 25%），而贷款投资组合在因素 3 上最高。 。
尽管因子 3 提供了最低的解释值（约 12%），但它似乎在模型中具有最大的实际意义。 我将因子 3 解释为对我的 DV 具有最大的实际影响是否正确，尽管它仅解释了 12% 的变异？
回复：如何确定序数逻辑回归的最大效果是的，当资产规模和当前成员变量在一起时，情况尤其糟糕。 它会扰乱模型的重要性并改变某些系数的符号。 如果我只测试三个变量（不考虑资产或成员资格），我就可以获得一个可行的模型，但我觉得单独测试它们通常更适合我的研究目标。
您认为我发布的一系列模型可以有效地解释吗？ （至少对于1-3级而言）
感谢您提供有关 PCA 的提示，我会研究一下。 您是否有一些方便的快速链接或教程来执行您提到的通过 JMP 旋转 PCA 中最大的组件以用作替代 IV 的操作？ 如果没有也不用担心，这非常有帮助！
回复：如何确定序数逻辑回归的最大效果感谢您分享这些详细信息。 这些信息很有帮助。
有一些很强的相关性，但还没有强到可以称这些 IV 是多余的。 那么将它们放在同一个模型中会导致很多问题吗？ 正如您所说，它们是共线的，但这只会增加方差。 这个问题有意义吗？ 您可以尝试使用 PCA，然后旋转最大的组件以保存为因子。 当您检查载荷时，它们可能是可以解释的，并且它们可以充当替代 IV，同时避免共线性问题。
回复：如何确定序数逻辑回归的最大效果我正在测试规模相关因素对信用合作社采用非贷款业务服务的影响。 我的 IV 分别代表机构规模的某些方面（资产规模、会员总数、贷款组合、平均会员余额）。 这里的电平是经过测量的。
我的 DV 级别是使用每个信用合作社提供的商业服务信息构建为索引的；更高的级别反映了更先进的商业服务种类。
这是我的多元矩阵
回复：如何确定序数逻辑回归的最大效果如何选择 IV 进行研究？ 水平是如何确定的？ 它们是设定的（例如，因子水平）还是测量的（例如，协变量）？
IV 中的相关性是什么？ 您能展示带有相关矩阵和散点图的多元平台吗？
问题是，如果相关性很高，那么该数据集就无法独立评估 IV 的影响。 数据不能用来说明哪一个产生了效果。
是的，负斜率意味着随着预测变量水平的增加，概率从最低水平转移到最高水平。
回复：如何确定序数逻辑回归的最大效果我的研究目标是评估每个变量各自的影响。 如果结果是多余的，有没有其他方法可以做到这一点，也许是另一种模型？ 或者我真的被迫只能选择一个？
通过负倾斜逻辑曲线，我可以说效果的大小处于期望的方向（IV 的增加与更高水平的概率增加有关？）。
回复：如何确定序数逻辑回归的最大效果我们不能使用 AICc 等信息标准来评估重要性。 它们更多的是概率性的陈述。 AICc 越小，则在给定固定数据的情况下，参数的可能性越大，但模型复杂性会受到影响。 所有候选模型的惩罚都是相同的，因此差异完全在于可能性。
如果它们高度相关，那么它们就是冗余的。 （无独立信息）你能从先前的理论或知识中选择一个吗？
预测水平是设定的还是测量的？
图中的逻辑曲线显示，随着预测变量水平的增加，每个序数水平的概率会下降。 斜率是负值。 序数逻辑回归使用累积逻辑。 几率不是一个水平与另一个水平的比较，而是逻辑总和与其他总和的比较。 如果这种形式的赔率更有意义或更有用，您可以在名义逻辑回归分析中使用广义逻辑回归。
您可以尝试将 IV 的平方添加到模型中并比较 AICc 来确定是否有改进。 响应 (logit) 可能不是线性的。
回复：如何确定序数逻辑回归的最大效果谢谢回复，
我知道我的三个变量中的每一个都具有统计显着性，并且它们似乎对我的 DV 具有适度的实际影响。 AICc在本案中主要是指实际意义吗？ AICc越大，是否意味着更大的实际意义？
是的，这些变量似乎确实是相互关联的。 我正在单独测试它们，因为它们彼此之间表现出高度的多重共线性，因此当我一起尝试它们时，我的结果非常扭曲。
您能详细说明一下逻辑曲线向下倾斜意味着什么吗？ 这是否等于说，IV 中的单位变化会降低最终达到 1 级的几率（从而降低达到更高级别的几率）？
回复：如何确定序数逻辑回归的最大效果实际意义（效应大小）和统计意义（小 p 值）可能会产生混淆。 我将使用 AICc 选择模型，然后使用有关所选模型的信息来评估预测器。
通过单独测试预测变量，您还面临更高的 I 类错误风险。 在这种情况下只有几个预测变量，但在另一种情况下可能有很多。
您是否尝试使用所有预测变量而不是单个模型来回归模型？
这些预测因素相互关联吗？ 有趣的是，它们产生了如此相似的回归结果。
您有稀疏的 3 级和非常稀疏的 4 级，因此请小心解释。
我对 Eviews 不熟悉，也不支持它，但也许另一个社区成员可以回答这个问题。 从马赛克图中可以看出，逻辑曲线向下倾斜，因此预测变量的系数为负。
