Scelta della parametrizzazione e confronto dei modelli nella regressione logistica.Cari membri del forum,
Sto analizzando questo set di dati con una variabile binaria dipendente (Target), utilizzando una regressione logistica per il test delle ipotesi piuttosto che la previsione su questi dati della vita reale.
Vorrei utilizzare la parametrizzazione del modello per valutare se la tendenza nel tempo (anni) è più forte (costante) o forse il cambiamento momentaneo è più significativo come punto di rottura.
Se usati separatamente, i modelli sono simili con forse migliore adattamento usando la variabile Year continua. D'altra parte, il cambiamento tecnico è il motivo della modellazione in primo luogo, quindi non può essere ignorato.
Una volta messi insieme con l'interazione, tutti i parametri sono insignificanti (forse multicollinearità, piccole dimensioni del campione, troppa varianza o tutti insieme) che danno la falsa impressione di non cambiare la propensione nel tempo.
Per favore fatemi sapere se avete suggerimenti in termini di specifiche del modello o confronti per raggiungere una conclusione più chiara.
In allegato è la tabella dei dati con uno script per i modelli alternativi.
Ri: scelta della parametrizzazione e confronto dei modelli nella regressione logistica.Quando guardo i tuoi modelli, sembra che l'anno e il cambiamento siano estremamente significativi individualmente. Quando si inserisce l'effetto incrociato (interazione), nessuna delle stime dei parametri appare significativa, ma lo è il modello generale. Ma non capisco il senso di mettere un'interazione tra anno e cambiamento nel tuo modello: la variabile change riporta solo se l'anno è precedente o successivo a un certo tempo di intervento, quindi per me non ha molto senso mettere l'interazione . Suppongo che ciò che stai chiedendo sia se l'anno abbia un effetto diverso sull'obiettivo nei periodi pre e post. Penso che il modo più diretto per esaminarlo sia di Adattare Y (target) per X (anno) e inserire la modifica (Pre e Post) nella casella Per. Quando lo fai vedrai che l'anno è lungi dall'essere significativo nel periodo Pre ma piuttosto significativo nel periodo Post. Penso che risponda alla tua domanda. Se hai bisogno di un test per verificare se la pendenza (qui non lineare) è significativamente diversa nei due periodi, non sono esattamente sicuro di quale sia il test appropriato - ma penso che sia evidente che l'effetto dell'anno differisce in modo significativo nei due periodi .
Ri: scelta della parametrizzazione e confronto dei modelli nella regressione logistica.Grazie @dale_lehman per il consiglio.
Questa è la cosa, idealmente, sarei in grado di valutare se nel 2005 si è verificata una tendenza generale e un punto di frenata. Pertanto, l'uso sia dell'anno sia della variabile fittizia avrebbero dovuto consentire esattamente questo. In questo modo avrei una stima della pendenza in ogni periodo e anche un manichino per la continuità tra di loro.
Posso stimare la pendenza per il periodo post direttamente invertendo l'ordinamento del valore di "Modifica" come nell'output allegato. Ho la stessa insignificanza. Dividendo i dati, ottengo un modello complessivamente significativo con una pendenza insignificante. Quale scarpe per me questa tendenza non è molto robusta - ho ragione?
Da tutti i modelli alternativi, potresti suggerire un percorso logico per determinare se esiste una tendenza in ciascun periodo e c'è un punto di frenata (cambiamento nella tendenza).
Ri: scelta della parametrizzazione e confronto dei modelli nella regressione logistica.Penso che tu sia troppo concentrato sulla ricerca di un basso valore p. Sembra che i tuoi dati mostrino ciò che stai cercando: l'anno non ha avuto effetti chiari prima del 2005, ma dopo ha avuto un effetto significativo. Ciò è facilmente visibile eseguendo due regressioni logistiche separate: l'obiettivo in funzione dell'anno, nel periodo pre e post periodo. Cosa ti serve ancora?
Ri: scelta della parametrizzazione e confronto dei modelli nella regressione logistica.Spero che questa risposta segua i primi tre!
Il problema sembra "analisi del punto di cambiamento" e l'approccio è molto simile a quelli utilizzati in questa tecnica. Hai una definizione scorrevole di periodo 1 e periodo 2 e usi una metrica come AICc minimo per decidere il punto in cui è cambiato il comportamento (es. Media, pendenza, eccetera). Cioè, al variare del punto di modifica, si adatta nuovamente il modello e si acquisisce la metrica, quindi si traccia la metrica rispetto al punto di modifica.
Ri: scelta della parametrizzazione e confronto dei modelli nella regressione logistica.@dale_lehman
Grazie per la tua risposta, speravo che ci fosse un altro modo per introdurre le variabili Year e Change in un modello poiché questa non è la classica ANCOVA in cui due variabili indipendenti presentano dimensioni completamente diverse (età e genere).
@markbailey
Grazie per il vantaggio, ma non sono sicuro che i miei dati siano appropriati. Potresti dirmi come andare in termini di piattaforma e ruoli variabili?
Non ero sicuro che i miei dati fossero appropriati. Questi sono dati reali dalle scienze politiche (i numeri sono reali, i nomi delle variabili sono cambiati), quindi le osservazioni non sono esattamente sequenziali, hanno una data esatta ma non è significativa entro l'anno. Inoltre, non sono sicuro che dovrei cercare la migliore suddivisione dei dati. Il cambiamento tecnico potrebbe aver richiesto del tempo per "dare il via", ma non vi è alcun interesse a stimare quel ritardo (che sarebbe molto importante nel monitoraggio del processo). Ho solo bisogno di un modo per stimare la probabilità di target attraverso i periodi di tempo confrontando i due periodi (pre e post) controllando per le altre variabili.
Speravo di poter stimare grossolanamente la tendenza usando la variabile Year e testare se c'è un cambiamento in essa o forse ottenere intuizioni che è solo un calo tra pre e post.
Questa discussione mi sta aiutando ad affrontare l'intero processo di pensiero della modellazione e del contesto. Molte grazie!
Ri: scelta della parametrizzazione e confronto dei modelli nella regressione logistica.Si utilizza la piattaforma di regressione logistica. Uso Data , non anno. Crea una variabile binaria per periodo ( prima , dopo ). Adatta un modello in cui si trova il predittore lineare Data , periodo , e periodo desiderato Data * . Modifica i valori del periodo in base alla data. (Immagina che le osservazioni siano ordinate per data in ordine crescente. Impostare tutte le righe su periodo = dopo .per la prima misura. Ora anticipa il periodo al secondo appuntamento, quindi periodo = prima per la riga 1 e il resto rimane impostato come periodo = dopo . Progressi fino al periodo = prima per tutte le righe .. Raccogliere il criterio AICc per ogni adattamento. Traccia il criterio rispetto alla data per vedere dove si è verificato il cambiamento. Valuta quel modello come faresti normalmente.
Tieni presente che potresti voler evitare il problema dei confini con tutte le righe che hanno lo stesso livello per periodo.
Non sono sicuro che questo approccio possa aiutare. Solo un'idea
