Parametrisierungsauswahl und Modellvergleich in der logistischen Regression.Liebe Mitglieder des Forums,
Ich analysiere diesen Datensatz mit einer abhängigen binären Variablen (Ziel) und verwende eine logistische Regression für Hypothesentests, anstatt diese realen Daten vorherzusagen.
Ich möchte die Modellparametrisierung verwenden, um zu beurteilen, ob der zeitliche Trend (Jahre) stärker (konstant) ist oder ob die momentane Änderung als Bruchstelle sinnvoller ist.
Bei getrennter Verwendung sind die Modelle ähnlich und passen möglicherweise besser unter Verwendung der kontinuierlichen Jahresvariablen. Andererseits ist die technische Änderung in erster Linie der Grund für die Modellierung und kann daher nicht ignoriert werden.
Nach der Zusammenstellung mit der Interaktion sind alle Parameter unbedeutend (möglicherweise Multikollinearität, kleine Stichprobengröße, zu große Varianz oder alles zusammen), was den falschen Eindruck erweckt, dass sich die Neigung im Laufe der Zeit nicht ändert.
Bitte lassen Sie mich wissen, wenn Sie Vorschläge in Bezug auf Modellspezifikationen oder Vergleiche haben, um zu einer klareren Schlussfolgerung zu gelangen.
Im Anhang befindet sich die Datentabelle mit einem Skript für die alternativen Modelle.
Betreff: Parametrisierungsauswahl und Modellvergleich in der logistischen Regression.Wenn ich mir Ihre Modelle ansehe, sieht es so aus, als ob Jahr und Veränderung individuell von großer Bedeutung sind. Wenn Sie den Kreuz- (Interaktions-) Effekt setzen, sieht keine der Parameterschätzungen signifikant aus, das Gesamtmodell jedoch. Ich verstehe jedoch nicht, wie wichtig es ist, eine Interaktion zwischen Jahr und Änderung in Ihrem Modell vorzunehmen. Die Änderungsvariable gibt nur an, ob das Jahr vor oder nach einer Interventionszeit liegt. Daher ist es für mich nicht sehr sinnvoll, die Interaktion vorzunehmen . Ich nehme an, Sie fragen, ob das Jahr in den Vor- und Nachperioden unterschiedliche Auswirkungen auf das Ziel hat. Ich denke, der direktere Weg, dies zu untersuchen, besteht darin, Y (Ziel) nach X (Jahr) anzupassen und die Änderung (Vor und Nach) in das Feld Nach zu setzen. Wenn Sie dies tun, werden Sie feststellen, dass das Jahr in der Vorperiode alles andere als signifikant ist, in der Post-Periode jedoch ziemlich bedeutend. Ich denke, das beantwortet deine Frage. Wenn Sie einen Test benötigen, um festzustellen, ob die Steigung (hier nichtlinear) in den beiden Perioden signifikant unterschiedlich ist, bin ich mir nicht ganz sicher, welcher Test geeignet ist - aber ich denke, es ist offensichtlich, dass sich die Wirkung des Jahres in den beiden Perioden erheblich unterscheidet .
Betreff: Parametrisierungsauswahl und Modellvergleich in der logistischen Regression.Vielen Dank @dale_lehman für den Rat.
Das ist die Sache. Idealerweise könnte ich beurteilen, ob es im Laufe der Zeit einen allgemeinen Trend sowie einen Bremspunkt für 2005 gibt. Daher sollte die Verwendung sowohl des Jahres als auch der Dummy-Variablen genau dies ermöglichen. Auf diese Weise hätte ich eine Schätzung für die Steigung in jeder Periode und einen Dummy für die Kontinuität zwischen ihnen.
Ich kann die Steigung für die Nachperiode direkt schätzen, indem ich die Wertreihenfolge von "Ändern" wie in der beigefügten Ausgabe umkehre. Ich bekomme die gleiche Bedeutungslosigkeit. Wenn ich die Daten aufteile, erhalte ich ein insgesamt signifikantes Modell mit einer unbedeutenden Steigung. Was für mich Schuhe dieser Trend ist nicht sehr robust - habe ich recht?
Könnten Sie aus allen alternativen Modellen vorschlagen, dass ein logischer Pfad bestimmt, ob es in jeder Periode einen Trend gibt und ob es einen Bremspunkt gibt (Trendänderung).
Betreff: Parametrisierungsauswahl und Modellvergleich in der logistischen Regression.Ich denke, Sie sind zu sehr darauf konzentriert, einen niedrigen p-Wert zu finden. Es sieht so aus, als ob Ihre Daten zeigen, wonach Sie suchen - das Jahr hat keinen klaren Effekt vor 2005, aber einen signifikanten Effekt danach. Dies lässt sich leicht erkennen, wenn zwei separate logistische Regressionen durchgeführt werden - das Ziel als Funktion des Jahres in der Vor- und Nachperiode. Was brauchst du mehr?
Betreff: Parametrisierungsauswahl und Modellvergleich in der logistischen Regression.Ich hoffe, dass diese Antwort den ersten drei folgt!
Das Problem klingt nach "Änderungspunktanalyse" und der Ansatz ist dem in dieser Technik verwendeten sehr ähnlich. Sie haben eine gleitende Definition von Periode 1 und Periode 2 und verwenden eine Metrik wie Minimum AICc, um den Punkt zu bestimmen, an dem sich das Verhalten (z. B. Mittelwert, Steigung usw.) geändert hat. Das heißt, wenn der Änderungspunkt variiert, passen Sie das Modell neu an, erfassen die Metrik und zeichnen dann die Metrik gegen den Änderungspunkt.
Betreff: Parametrisierungsauswahl und Modellvergleich in der logistischen Regression.@dale_lehman
Vielen Dank für Ihre Antwort. Ich hatte gehofft, dass es eine andere Möglichkeit gibt, die Variablen Year und Change in ein Modell einzuführen, da dies nicht die klassische ANCOVA ist, bei der zwei unabhängige Variablen völlig unterschiedliche Dimensionen aufweisen (dh Alter und Geschlecht).
@markbailey
Vielen Dank für den Hinweis, aber ich bin mir nicht sicher, ob meine Daten angemessen sind. Können Sie mir sagen, wie ich in Bezug auf Plattform- und variable Rollen vorgehen soll?
Ich war mir nicht sicher, ob meine Daten angemessen sind. Dies sind reale Daten aus der Politikwissenschaft (Zahlen sind real, Variablennamen geändert), daher sind Beobachtungen nicht genau sequentiell, sie haben ein genaues Datum, aber es ist innerhalb des Jahres nicht aussagekräftig. Ich bin mir auch nicht sicher, ob ich nach der besten Anpassung der Daten suchen sollte. Die technische Änderung mag einige Zeit in Anspruch genommen haben, aber es besteht kein Interesse daran, diese Verzögerung abzuschätzen (was für die Prozessüberwachung sehr wichtig wäre). Ich brauche nur eine Möglichkeit, die Wahrscheinlichkeit des Ziels über die Zeiträume zu schätzen, indem ich die beiden Zeiträume (vor und nach) vergleiche, während ich die anderen Variablen kontrolliere.
Ich hatte gehofft, dass ich den Trend mithilfe der Jahresvariablen grob abschätzen und testen kann, ob sich daran etwas ändert, oder vielleicht die Erkenntnis gewinnen kann, dass es sich nur um einen Abfall zwischen Vor- und Nachlauf handelt.
Diese Diskussion hilft mir, den gesamten Denkprozess der Modellierung und des Kontexts zu durchlaufen. Vielen Dank!
Betreff: Parametrisierungsauswahl und Modellvergleich in der logistischen Regression.Sie verwenden die Logistic Regression-Plattform. Verwenden Datum , nicht Jahr. Erstellen Sie eine binäre Variable für Zeitraum ( Vor , nach ). Passen Sie ein Modell an, in dem sich der lineare Prädiktor befindet Datum , Zeitraum , und Zeitraum * Datum . Ändern Sie die Periodenwerte basierend auf dem Datum. (Stellen Sie sich vor, die Beobachtungen sind in aufsteigender Reihenfolge nach Datum sortiert. Setzen Sie alle Zeilen auf Zeitraum = nach .für die erste Passform. Nun also Vorlaufzeit zum zweiten Termin, also Zeitraum = Vor für Zeile 1 und der Rest bleiben gesetzt als Zeitraum = nach . Fortschritt bis Zeitraum = Vor für alle Zeilen .. Sammeln Sie das AICc-Kriterium für jede Anpassung. Zeichnen Sie das Kriterium gegen das Datum, um zu sehen, wo die Änderung aufgetreten ist. Bewerten Sie dieses Modell wie gewohnt.
Beachten Sie, dass Sie möglicherweise das Grenzproblem vermeiden möchten, wenn alle Zeilen für den Zeitraum dieselbe Ebene haben.
Ich bin mir nicht sicher, ob dieser Ansatz helfen wird. Nur eine Idee.
