Vorrei confrontare la forza dell'effetto nel mio modello di regressione logistica.Nei modelli dei minimi quadrati posso richiamare e confrontare i coefficienti beta standardizzati.È possibile farlo con i modelli logistici?(Non vedo l'opzione nell'opzione "colonne").Oppure esiste un altro metodo per confrontare la forza dell'effetto di ciascuno dei miei termini nel modello?
Grazie
Pesce
Le variabili categoriali sono sempre codificate, quindi non è necessario. Vedi aiuto Qui E Qui per maggiori informazioni.
Grazie per la risposta!Quindi il mio modello ha un mix di predittori continui e una coppia binaria.Standardizzo tutte le variabili predittive nel modello?
Grazie ancora:)
Questo comando in Fit Least Squares è comodo, ma tutto ciò che fa è centrare e ridimensionare i predittori continui. Puoi realizzare la stessa cosa tu stesso con una formula di colonna. È facile da fare:
- Selezionare le colonne del predittore nella tabella dati.
- Fare clic con il pulsante destro del mouse sull'intestazione di uno di essi.
- Seleziona Nuova formula di colonna > Distribuzionale > Standardizza.
Ora usa queste colonne al posto delle colonne originali quando imposti la modellazione nella finestra di dialogo Adatta modello. Utilizzando la tabella dei dati Fitness nella cartella dei dati di esempio, inserisco un modello Oxy contro Age tramite MaxPulse. Ho creato la versione standardizzata dei predittori e li ho usati per il predittore lineare di un secondo adattamento. Ho esportato le stime dei parametri come tabella dati per ciascuna e le ho concatenate in modo da poterle esaminare insieme. Ecco i risultati:
Si noti che i valori p sono identici tra i due adattamenti. Poi ho tracciato le stime, dove l'importanza è più chiara:
Solo Runtime sembrava essere importante quando si utilizzavano i predittori originali. Runtime, RunPulse e MaxPulse sembrano essere importanti quando si usano i predittori standardizzati.
Entrambi i modelli producono previsioni identiche, ovviamente.
Un'altra tecnica è incorporata nel Prediction Profiler che potrebbe essere utile per il tuo scopo: Importanza variabile .
