307749_zh-CN

liliconcom

如何解释：具有二进制（分类）变量的广义回归模型

我们正在拟合一个模型，该模型可以测试治疗方法（例如药品）的功效。DV是已恢复 ，定义为数字标称值的二进制变量（0/1）。研究的问题是这种治疗是否会影响前提条件的表达，从而提高康复率。我们希望具有一定前提条件的人对治疗的反应不同，即产生交互作用。

我们拟合具有二项式分布的广义回归模型。预测因素是1）该人是否接受过治疗（ 治疗 ;二元），2）其表达应受处理影响的变量（ 前提 （连续），3-4）两个连续控制变量（ 期和问 ），以及5）之间的互动项治疗和前提 。

1. 默认情况下，回归方程式用于计算Recovered = 0的可能性，但是我们对预测Recovered = 1感兴趣。我们如何更改默认值？
2. 令人困惑的是，参数估计将处理参数显示为“ Treatment [0-1]”。这是否意味着没有治疗或没有治疗的效果？很明显，这是一个非常重要的区别。
3. 解释相互作用效应的正确方法是什么？具体来说，“-226.24”是什么意思？

输出如下。谢谢你的帮助！

 

恢复的广义回归= 0

型号比较

 

表演	响应分布	估算方法	验证方法	非零参数	集成电路	工商银行	广义RSquare
[X]	二项式	逻辑回归	没有	5	3677.7423	3708.3526	0.1934902

 

模型发布

二项式

套索[]自适应

 

集成电路

 

[]提前停止

 

 

逻辑回归

型号汇总

 

响应	已恢复
分配	二项式
估算方法	逻辑回归
验证方法	没有
概率模型链接	洛吉特

 

 

测量
行数	6128
频率总和	3380
-LogLikelihood	1833.8622
参数数量	5
工商银行	3708.3526
集成电路	3677.7423
广义RSquare	0.1934902

 

原始预测变量的参数估计

 

术语	估计	标准错误	沃尔德·奇方	概率> ChiSquare	降低95％	上层95％
截距	0.8755145	0.1101971	63.122825	<.0001 *	0.6595322	1.0914968
治疗[0-1]	0.0643045	0.0696953	0.8512868	0.3562	-0.072296	0.2009047
期	0.1015936	0.0130748	60.375781	<.0001 *	0.0759675	0.1272197
问	0.0012641	0.0004935	6.5606499	0.0104 *	0.0002968	0.0022314
前提	-0.000095	0.0001314	0.522411	0.4698	-0.000352	0.0001626
（前提条件-226.24）*治疗[0-1]	0.0009875	0.0003172	9.6914587	0.0019 *	0.0003658	0.0016093

 

（由于机密性要求，所有变量名均为别名）。

 

分析工具回复：如何解释：具有二进制（分类）变量的广义回归模型您好，您是否有机会在JMP的“帮助”菜单下查看JMP文档库？文档库中的示例应帮助您解释结果。
真诚的
名爵回复：如何解释：具有二进制（分类）变量的广义回归模型

感谢您的回复。在发布问题之前，我们进行了广泛的搜索，包括在本论坛中，但我们可能错过了一些内容。您能否指出1）如何更改预测的DV水平以及如何解释结果2）和3）？这些数字是指原始问题。

回复：如何解释：具有二进制（分类）变量的广义回归模型好的，您可以在“拟合模型平台”对话框中将目标结果从0更改为1。选择人格=广义回归和分布=二项式后，可以选择目标级别= 1（默认为0）。在解释方面，应查看与模型拟合相关联的红色三角形下的预测分析器。Prediction Profiler使您可以可视化X上给定的Y的变化。对于定量解释，在您的情况下，您可能希望从适合模型的模型中保存Prediction Formula（在同一红色三角形下的一个选项） （s）在您的数据表中。然后，您可以打开公式进行检查，这将有助于您进行解释。回复：如何解释：具有二进制（分类）变量的广义回归模型

谢谢！我们正在这里取得进展。

1. 我们如何让JMP计算出存在治疗次数（即治疗= 1）。现在，它可以计算出缺席治疗次数（即治疗= 0）。
2. 明确地说，“目标水平”的规范适用于广义回归，但不适用于广义线性模型，对吗？至少我们找不到这样的选择。

回复：如何解释：具有二进制（分类）变量的广义回归模型1）也许您可以重新编码数据，以便Treatment = 0并重新运行模型？或者，您可以保留原样，但可以将建模类型更改为连续。
2）我认为你是正确的。还有个性=标称逻辑，您可以在其中切换结果的目标水平。回复：如何解释：具有二进制（分类）变量的广义回归模型

为了使Treatment = 1而不是0的模型，请为Treatment列打开Value Ordering属性。将1级向上移动，使其位于列表顶部，然后重新运行模型。 

 

使用通用线性模型时，可以使用相同的方法来预测“恢复”为1的概率。

回复：如何解释：具有二进制（分类）变量的广义回归模型

@G_M和@Dan_Obermiller ：通过您的回答，我们设法完成了解释，并继续进行研究。谢谢！