Comment interpréter: modèle de régression généralisé avec des variables binaires (catégoriques)Nous installons un modèle qui teste l'efficacité d'un traitement (par exemple, un produit pharmaceutique). Le DV est Rétabli , une variable binaire (0/1), définie comme numérique nominale. La question de recherche est de savoir si le traitement affecte l'expression d'une condition préalable et améliore ainsi la récupération. Nous nous attendons à ce que les personnes ayant un certain niveau de précondition réagissent différemment au traitement, c'est-à-dire à un effet d'interaction.
Nous ajustons un modèle de régression généralisé avec une distribution binomiale. Les prédicteurs sont 1) si la personne a reçu un traitement ( Traitement ; binaire), 2) la variable dont l'expression doit être affectée par le traitement ( Condition préalable , continu), 3-4) deux variables de commande continues ( Période et Q ), ainsi qu'un 5) terme d'interaction entre Traitement et Condition préalable .
- L'équation de régression calcule par défaut la probabilité de Récupéré = 0, mais nous souhaitons prédire Récupéré = 1. Comment changer la valeur par défaut?
- De manière confuse, les estimations de paramètres montrent le paramètre de traitement comme «Traitement [0-1]». Cela signifie-t-il que c'est l'effet de l'absence de traitement ou de traitement? Une distinction très importante, évidemment.
- Quelle est la bonne façon d'interpréter l'effet d'interaction? Plus précisément, que signifie «-226,24»?
La sortie est ci-dessous. Merci de votre aide!
Régression généralisée pour récupéré = 0
Comparaison de modèles
Spectacle | Distribution des réponses | Méthode d'estimation | Méthode de validation | Paramètres différents de zéro | AICc | BIC | RSquare généralisé | |
[X] | Binôme | Régression logistique | Aucun | 5 | 3677,7423 | 3708,3526 | 0,1934902 | |
Lancement du modèle
Binôme
Lasso [] Adaptatif
AICc
Régression logistique
Résumé du modèle
Réponse | Rétabli | |
Distribution | Binôme | |
Méthode d'estimation | Régression logistique | |
Méthode de validation | Aucun | |
Lien du modèle de probabilité | Logit | |
Mesure | | |
Nombre de rangées | 6128 | |
Somme des fréquences | 3380 | |
-LogLikelihood | 1833,8622 | |
Nombre de paramètres | 5 | |
BIC | 3708,3526 | |
AICc | 3677,7423 | |
RSquare généralisé | 0,1934902 | |
Estimations des paramètres pour les prédicteurs d'origine
Terme | Estimation | Erreur std | Wald ChiSquare | Prob> ChiSquare | 95% inférieur | 95% supérieur | |
Intercepter | 0,8755145 | 0,1101971 | 63.122825 | <.0001 * | 0,6595322 | 1.0914968 | |
Traitement [0-1] | 0,0643045 | 0,0696953 | 0,8512868 | 0,3562 | -0,072296 | 0,2009047 | |
Période | 0,1015936 | 0,0130748 | 60,375781 | <.0001 * | 0,0759675 | 0,1272197 | |
Q | 0,0012641 | 0,0004935 | 6,5606499 | 0,0104 * | 0,0002968 | 0,0022314 | |
Condition préalable | -0,000095 | 0,0001314 | 0,522411 | 0,4698 | -0,000352 | 0,0001626 | |
(Condition-226.24) * Traitement [0-1] | 0,0009875 | 0,0003172 | 9,6914587 | 0,0019 * | 0,0003658 | 0,0016093 | |
(Tous les noms de variables sont des alias en raison d'exigences de confidentialité).
AnalytiqueRe: Comment interpréter: modèle de régression généralisé avec des variables binaires (catégorielles)Bonjour, avez-vous eu la chance de consulter la bibliothèque de documentation JMP dans le menu Aide de JMP? Les exemples de la bibliothèque de documentation devraient vous aider à interpréter vos résultats.
Cordialement,
MGRe: Comment interpréter: modèle de régression généralisé avec des variables binaires (catégorielles)Merci pour la réponse. Nous avons fait une recherche large avant de publier la question, y compris dans ce forum, mais nous avons peut-être manqué quelque chose. Pouvez-vous nous indiquer 1) comment changer le niveau de DV prévu et comment interpréter les résultats 2) et 3)? Les chiffres renvoient aux questions originales.
Re: Comment interpréter: modèle de régression généralisé avec des variables binaires (catégorielles)Ok, vous pouvez changer le résultat cible de 0 à 1 dans la boîte de dialogue Fit Model Platform. Une fois que vous avez sélectionné Personnalité = Régression généralisée et Distribution = Binomiale, vous pouvez sélectionner le Niveau cible = 1 (la valeur par défaut est 0). En termes d'interprétation, vous devriez regarder le Prediction Profiler sous le triangle rouge associé à votre Model Fit. Le profileur de prédiction vous permettra de visualiser le changement de Y pour des changements donnés dans le X. Pour une interprétation quantitative, dans votre cas, vous voudrez peut-être enregistrer la formule de prédiction (une option sous le même triangle rouge) de l'ajustement du modèle à la colonne (s) dans votre tableau de données. Ensuite, vous pouvez ouvrir la formule d'inspection qui devrait vous aider dans votre interprétation.Re: Comment interpréter: modèle de régression généralisé avec des variables binaires (catégorielles)Je vous remercie! Nous faisons des progrès ici.
- Comment JMP calcule-t-on l'effet du présence traitement (c.-à-d. Traitement = 1). À l'heure actuelle, il calcule l'effet de la absence traitement (c.-à-d. Traitement = 0).
- Pour être clair, la spécification du niveau cible est disponible pour la régression généralisée mais pas pour un modèle linéaire généralisé, n'est-ce pas? Au moins, nous ne pouvons pas trouver une telle option.
Re: Comment interpréter: modèle de régression généralisé avec des variables binaires (catégorielles)1) Peut-être pouvez-vous recoder vos données pour que Traitement = 0 et réexécuter le modèle? Vous pouvez également le laisser tel quel, mais changer le type de modélisation en continu.
2) Je pense que vous avez raison. Il existe également la personnalité = logistique nominale dans laquelle vous pouvez basculer le niveau cible du résultat.Re: Comment interpréter: modèle de régression généralisé avec des variables binaires (catégorielles)Afin d'avoir le modèle pour Traitement = 1 au lieu de 0, activez la propriété Ordre des valeurs pour la colonne Traitement. Montez le niveau 1 pour qu'il soit en haut de la liste et réexécutez votre modèle.
Vous pouvez utiliser la même approche pour prédire la probabilité d'un 1 pour Récupéré lors de l'utilisation d'un modèle linéaire général.
Re: Comment interpréter: modèle de régression généralisé avec des variables binaires (catégorielles)@G_M et @Dan_Obermiller : Grâce à vos réponses, nous avons réussi à compléter l'interprétation et à poursuivre la recherche. Merci!
