Je voudrais comparer la force de l'effet dans mon modèle de régression logistique.Dans les modèles des moindres carrés, je peux afficher et comparer des coefficients bêta standardisés.Cela peut-il être fait avec des modèles logistiques ?(Je ne vois pas l'option dans l'option "colonnes").Ou existe-t-il une autre méthode pour comparer la force d'effet de chacun de mes termes dans le modèle ?
Merci
poisson
Les variables catégorielles sont toujours codées donc pas besoin. Voir l'aide ici et ici pour plus d'informations.
Merci pour la réponse!Donc, mon modèle a un mélange de prédicteurs qui sont continus et un couple qui est binaire.Est-ce que je normalise toutes les variables prédictives du modèle ?
Merci encore:)
Cette commande dans Ajuster les moindres carrés est pratique, mais elle ne fait que centrer et mettre à l'échelle les prédicteurs continus. Vous pouvez accomplir la même chose vous-même avec une formule de colonne. C'est facile à faire :
- Sélectionnez les colonnes de prédicteur dans la table de données.
- Cliquez avec le bouton droit sur l'en-tête de l'un d'entre eux.
- Sélectionnez Nouvelle formule de colonne > Distribution > Standardiser.
Utilisez maintenant ces colonnes à la place des colonnes d'origine lorsque vous configurez votre modélisation dans la boîte de dialogue Ajuster le modèle. À l'aide du tableau de données Fitness dans le dossier de données d'exemple, j'ajuste un modèle Oxy versus Age via MaxPulse. J'ai créé la version standardisée des prédicteurs et les ai utilisés pour le prédicteur linéaire d'un deuxième ajustement. J'ai exporté les estimations de paramètres sous forme de tableau de données pour chacun et les ai concaténées afin de pouvoir les examiner ensemble. Voici les résultats:
Notez que les valeurs de p sont identiques entre les deux ajustements. Ensuite, j'ai tracé les estimations, où l'importance est plus claire :
Seul le temps d'exécution semblait être important lors de l'utilisation des prédicteurs d'origine. Runtime, RunPulse et MaxPulse semblent être importants lors de l'utilisation des prédicteurs standardisés.
Les deux modèles produisent des prédictions identiques, bien sûr.
Une autre technique est intégrée au Prediction Profiler qui pourrait vous être utile : Importance variable .
