307749_ja-JP

liliconcom

解釈方法：バイナリ（カテゴリ）変数を使用した一般化回帰モデル

治療（医薬品など）の有効性をテストするモデルを適合させます。DVは回復した 、公称数値として定義されたバイナリ変数（0/1）。研究の問題は、治療が前提条件の表現に影響を与え、回復を改善するかどうかです。前提条件の特定のレベルを持つ人々は、治療、つまり相互作用効果に対して異なる反応をすることを期待しています。

一般化回帰モデルを二項分布で近似します。予測因子は1）その人が治療を受けたかどうか（ 処理 ;バイナリ）、2）処理によって式が影響を受ける変数（ 前提条件 、連続）、3-4）2つの連続制御変数（ 限目そして Q ）、および5）間の相互作用項処理そして前提条件 。

1. 回帰方程式はデフォルトでRecovered = 0の可能性を計算しますが、Recovered = 1を予測することに関心があります。デフォルトを変更するにはどうすればよいですか？
2. 紛らわしいことに、パラメーター推定値は、処理パラメーターを「Treatment [0-1]」として示しています。これは、これが無治療または無治療の影響であることを意味しますか？明らかに、非常に重要な違いです。
3. 相互作用効果を解釈する正しい方法は何ですか？具体的には、「-226.24」はどういう意味ですか？

出力は以下のとおりです。ご協力いただきありがとうございます！

 

回復の一般化回帰= 0

モデル比較

 

公演	応答分布	見積もり方法	検証方法	ゼロ以外のパラメーター	AICc	ビック	一般化されたRSquare
[バツ]	二項	ロジスティック回帰	なし	5	3677.7423	3708.3526	0.1934902

 

モデル発売

二項

なげなわ[]アダプティブ

 

AICc

 

[]早期停止

 

 

ロジスティック回帰

モデルの要約

 

応答	回復した
分布	二項
見積もり方法	ロジスティック回帰
検証方法	なし
確率モデルリンク	ロジット

 

 

測る
行の数	6128
周波数の合計	3380
-LogLikelihood	1833.8622
パラメータの数	5
ビック	3708.3526
AICc	3677.7423
一般化されたRSquare	0.1934902

 

元の予測子のパラメーター推定

 

期間	見積もり	標準エラー	Wald ChiSquare	確率> ChiSquare	95％を下げる	上限95％
迎撃	0.8755145	0.1101971	63.122825	<.0001 *	0.6595322	1.0914968
治療[0-1]	0.0643045	0.0696953	0.8512868	0.3562	-0.072296	0.2009047
限目	0.1015936	0.0130748	60.375781	<.0001 *	0.0759675	0.1272197
Q	0.0012641	0.0004935	6.5606499	0.0104 *	0.0002968	0.0022314
前提条件	-0.000095	0.0001314	0.522411	0.4698	-0.000352	0.0001626
（前提条件-226.24）*処理[0-1]	0.0009875	0.0003172	9.6914587	0.0019 *	0.0003658	0.0016093

 

（すべての変数名は機密性要件のためにエイリアスです）。

 

分析Re：解釈方法：バイナリ（カテゴリ）変数を使用した一般化回帰モデルこんにちは、JMPの[ヘルプ]メニューにあるJMPドキュメントライブラリを確認する機会がありましたか？ドキュメントライブラリの例は、結果の解釈に役立ちます。
今後ともよろしくお願いいたします。
MGRe：解釈方法：バイナリ（カテゴリ）変数を使用した一般化回帰モデル

ご回答ありがとうございます。このフォーラムを含め、質問を投稿する前に広範な検索を行いましたが、見落としている可能性があります。1）予測DVレベルの変更方法と結果の解釈方法2）と3）を教えていただけますか？数字は元の質問を参照しています。

Re：解釈方法：バイナリ（カテゴリ）変数を使用した一般化回帰モデルOK、Fit Model Platform Dialogでターゲットの結果を0から1に変更できます。Personality = Generalized Regression and Distribution = Binomialを選択したら、Target Level = 1（デフォルトは0）を選択できます。解釈に関しては、モデルフィットに関連付けられた赤い三角形の下にある予測プロファイラーを確認する必要があります。予測プロファイラーを使用すると、Xの特定の変化に対するYの変化を視覚化できます。定量的な解釈を行う場合、この場合、モデルに当てはまる予測式（同じ赤い三角形の下のオプション）を列に保存することができます。（s）データテーブル内。次に、あなたの解釈に役立つはずの検査のための式を開くことができます。Re：解釈方法：バイナリ（カテゴリ）変数を使用した一般化回帰モデル

ありがとうございました！私たちはここで進歩しています。

1. JMPの効果をどのように計算するか存在感 （すなわち、治療= 1）。現在、それはの効果を計算します欠席治療（すなわち、治療＝ ０）。
2. 明確にするために、ターゲットレベルの指定は一般化回帰では利用できますが、一般化線形モデルでは利用できません。少なくとも、そのようなオプションは見つかりません。

Re：解釈方法：バイナリ（カテゴリ）変数を使用した一般化回帰モデル1）処理を0にしてデータを再コード化し、モデルを再実行できますか？または、そのままにして、モデリングタイプを連続に変更することもできます。
2）私はあなたが正しいと思います。パーソナリティ=公称ロジスティクスもあり、結果のターゲットレベルを切り替えることができます。Re：解釈方法：バイナリ（カテゴリ）変数を使用した一般化された回帰モデル

治療のモデルを0ではなく1にするには、[治療]列の[値の順序]プロパティをオンにします。1レベル上に移動して、リストの一番上に表示し、モデルを再実行します。 

 

一般線形モデルを使用する場合、同じアプローチを使用して、回復の1の確率を予測できます。

Re：解釈方法：バイナリ（カテゴリ）変数を使用した一般化回帰モデル

@G_Mそして@Dan_Obermiller ：あなたの回答を通して、私たちはなんとか解釈を完了し、研究を進めることができました。ありがとうございました！