Differenza tra GLM e regressione generalizzata (binomiale, logit)Ciao!
Ho analizzato gli stessi dati utilizzando 2 approcci in JMP.
1) Modello lineare generalizzato, binomiale, logit
2) Regressione generalizzata, binomiale, logit
Come puoi vedere, i valori p sono diversi. Puoi spiegare per favore perché?
Come posso interpretare questi risultati con valori p diversi?
Il set di dati iniziale è:
Oggetto: differenza tra GLM e regressione generalizzata (binomiale, logit)Il modello lineare binomiale generalizzato con una funzione di collegamento logit è un modello di regressione logistica per variabili di risposta categoriche con 2 esiti (ad es. malato/sano, maschio/femmina, acquisto/non acquisto).La regressione logistica nominale di solito si riferisce alla regressione logistica con 3 o più livelli della variabile di risposta categoriale (ad es. gusto di gelato preferito: cioccolato/vaniglia/fragola/altro).È questo che stavi chiedendo?
Oggetto: differenza tra GLM e regressione generalizzata (binomiale, logit)Non capisco le tue domande.
Re: Differenza tra GLM e regressione generalizzata (binomiale, logit)@Mark_Bailey Ciao Mark! Puoi anche spiegare la differenza rispetto a Binomial GLZ con il logit rispetto a Just facendo Nominal Logistic Regression. Capisco il test le opzioni fornite sono diverse, ma puoi dirmi perché è così?
Re: Differenza tra GLM e regressione generalizzata (binomiale, logit)Il modello GLM è stato adattato utilizzando MLE. Il modello di regressione generalizzata è stato adattato utilizzando LASSO. LASSO è una forma di regressione penalizzata. Utilizza la norma L-1 per la penalità sui preventivi per la selezione delle variabili. Anche se viene selezionata una variabile, le stime sono interessate dalla penalità. Le differenze che riscontrate sono dovute alla sanzione. Cambia la stima e l'errore standard della stima, quindi cambia anche il Wald Chi-quadrato.
Ma io pensare che potrebbe esserci un errore nel modo in cui imposti il modello. Devi fornire sia i successi che i fallimenti per una risposta binomiale. Sembra che tu abbia fornito solo i successi. Inoltre, il numero di osservazioni è sbagliato. Hai molte più di 4 osservazioni come dimostrato dagli N Trials.
Correggerei questo modello come segue. Sottrai i successi da N prove per ottenere i fallimenti. Impila le colonne Successi e Fallimenti. Utilizzare la colonna con i conteggi nel ruolo di analisi Freq e la colonna etichetta (successi e fallimenti) come risposta o ruolo Y.
I due fattori sono categoriali, quindi assicurati che utilizzino il tipo di modellazione nominale. La tabella dei dati ora ha questo aspetto.
Selezionare Analizza > Adatta modello e compilare la finestra di dialogo di avvio come segue:
Ho lasciato la scelta della regressione logistica nominale per la personalità adatta, ma a questo punto è possibile selezionare GenReg o GLM con la distribuzione binomiale e la funzione di collegamento di accesso.
