Interpretation: Verallgemeinertes Regressionsmodell mit binären (kategorialen) VariablenWir passen ein Modell an, das die Wirksamkeit einer Behandlung testet (z. B. ein pharmazeutisches Produkt). Der DV ist Wiederhergestellt , eine binäre Variable (0/1), definiert als numerischer Nominalwert. Die Forschungsfrage ist, ob die Behandlung den Ausdruck einer Vorbedingung beeinflusst und somit die Genesung verbessert. Wir erwarten, dass Menschen mit einem bestimmten Grad an Vorbedingung unterschiedlich auf die Behandlung reagieren, dh auf einen Interaktionseffekt.
Wir passen ein verallgemeinertes Regressionsmodell mit Binomialverteilung an. Die Prädiktoren sind 1) ob die Person behandelt wurde ( Behandlung ;; binär), 2) die Variable, deren Ausdruck von der Behandlung beeinflusst werden soll ( Voraussetzung , kontinuierlich), 3-4) zwei kontinuierliche Steuervariablen ( Zeitraum und Q. ) sowie einen 5) Interaktionsterm zwischen Behandlung und Voraussetzung .
- Die Regressionsgleichung berechnet standardmäßig die Wahrscheinlichkeit von Wiederhergestellt = 0, aber wir sind daran interessiert, Wiederhergestellt = 1 vorherzusagen. Wie ändern wir die Standardeinstellung?
- Verwirrenderweise zeigen die Parameterschätzungen den Behandlungsparameter als "Behandlung [0-1]". Bedeutet dies, dass dies die Wirkung keiner Behandlung oder Behandlung ist? Eine sehr wichtige Unterscheidung natürlich.
- Wie kann der Interaktionseffekt richtig interpretiert werden? Was bedeutet konkret „-226,24“?
Die Ausgabe ist unten. Danke für Ihre Hilfe!
Generalisierte Regression für wiederhergestellt = 0
Modellvergleich
Show | Antwortverteilung | Schätzmethode | Validierungsmethode | Parameter ungleich Null | AICc | BIC | Verallgemeinertes RSquare | |
[x] | Binomial | Logistische Regression | Keiner | 5 | 3677,7423 | 3708.3526 | 0,1934902 | |
Modellstart
Binomial
Lasso [] Adaptiv
AICc
Logistische Regression
Modellzusammenfassung
Antwort | Wiederhergestellt | |
Verteilung | Binomial | |
Schätzmethode | Logistische Regression | |
Validierungsmethode | Keiner | |
Wahrscheinlichkeitsmodell-Link | Logit | |
Messen | | |
Reihenanzahl | 6128 | |
Summe der Frequenzen | 3380 | |
-LogLikelihood | 1833.8622 | |
Anzahl der Parameter | 5 | |
BIC | 3708.3526 | |
AICc | 3677,7423 | |
Verallgemeinertes RSquare | 0,1934902 | |
Parameterschätzungen für Originalprädiktoren
Begriff | Schätzen | Standardfehler | Wald ChiSquare | Prob> ChiSquare | Niedrigere 95% | Obere 95% | |
Abfangen | 0,8755145 | 0,1101971 | 63.122825 | <.0001 * | 0,6595322 | 1,0914968 | |
Behandlung [0-1] | 0,0643045 | 0,0696953 | 0,8512868 | 0,3562 | -0,072296 | 0,2009047 | |
Zeitraum | 0,1015936 | 0,0130748 | 60,375781 | <.0001 * | 0,0759675 | 0,1272197 | |
Q. | 0,0012641 | 0,0004935 | 6.5606499 | 0,0104 * | 0,0002968 | 0,0022314 | |
Voraussetzung | -0.000095 | 0,0001314 | 0,522411 | 0,4698 | -0.000352 | 0,0001626 | |
(Voraussetzung-226.24) * Behandlung [0-1] | 0,0009875 | 0,0003172 | 9.6914587 | 0,0019 * | 0,0003658 | 0,0016093 | |
(Alle Variablennamen sind aus Gründen der Vertraulichkeit Aliase).
AnalytikBetreff: Interpretation: Verallgemeinertes Regressionsmodell mit binären (kategorialen) VariablenHallo, hatten Sie die Möglichkeit, die JMP-Dokumentationsbibliothek im Menü Hilfe in JMP zu überprüfen? Die Beispiele in der Dokumentationsbibliothek sollen Ihnen bei der Interpretation Ihrer Ergebnisse helfen.
Mit freundlichen Grüßen,
MGBetreff: Interpretation: Verallgemeinertes Regressionsmodell mit binären (kategorialen) VariablenDanke für die Antwort. Wir haben vor dem Posten der Frage eine umfassende Suche durchgeführt, auch in diesem Forum, aber möglicherweise haben wir etwas verpasst. Können Sie uns 1) zeigen, wie Sie den vorhergesagten DV-Pegel ändern und wie Sie die Ergebnisse interpretieren können? 2) & 3)? Die Zahlen beziehen sich auf die ursprünglichen Fragen.
Betreff: Interpretation: Verallgemeinertes Regressionsmodell mit binären (kategorialen) VariablenOk, Sie können das Zielergebnis im Dialogfeld "Modellplattform anpassen" von 0 auf 1 ändern. Nachdem Sie die Option Persönlichkeit = Generalisierte Regression und Verteilung = Binomial ausgewählt haben, können Sie die Zielebene = 1 auswählen (Standard ist 0). In Bezug auf die Interpretation sollten Sie sich den Vorhersageprofiler unter dem roten Dreieck ansehen, der Ihrer Modellanpassung zugeordnet ist. Mit dem Vorhersageprofiler können Sie die Änderung von Y für bestimmte Änderungen im X visualisieren. Für die quantitative Interpretation möchten Sie in Ihrem Fall möglicherweise die Vorhersageformel (eine Option unter demselben roten Dreieck) aus der Modellanpassung an die Spalte speichern (s) in Ihrer Datentabelle. Anschließend können Sie die Formel zur Überprüfung öffnen, die Sie bei Ihrer Interpretation unterstützen soll.Betreff: Interpretation: Verallgemeinertes Regressionsmodell mit binären (kategorialen) VariablenDanke dir! Wir machen hier Fortschritte.
- Wie haben wir JMP berechnet den Effekt für die Gegenwart der Behandlung (dh Behandlung = 1). Im Moment berechnet es die Wirkung der Abwesenheit der Behandlung (dh Behandlung = 0).
- Um ganz klar zu sein, die Spezifikation des Zielniveaus ist für die generalisierte Regression verfügbar, nicht jedoch für ein generalisiertes lineares Modell, richtig? Zumindest können wir eine solche Option nicht finden.
Betreff: Interpretation: Verallgemeinertes Regressionsmodell mit binären (kategorialen) Variablen1) Vielleicht können Sie Ihre Daten so umkodieren, dass Behandlung = 0 ist, und das Modell erneut ausführen? Oder Sie können es so lassen, wie es ist, aber den Modellierungstyp in kontinuierlich ändern.
2) Ich denke du bist richtig. Es gibt auch die Personality = Nominal Logistic, in der Sie die Zielebene des Ergebnisses umschalten können.Betreff: Interpretation: Verallgemeinertes Regressionsmodell mit binären (kategorialen) VariablenAktivieren Sie die Eigenschaft Wertreihenfolge für die Spalte Behandlung, damit das Modell für Behandlung = 1 anstelle von 0 ist. Bewegen Sie die Ebene 1 nach oben, sodass sie ganz oben auf der Liste steht, und führen Sie Ihr Modell erneut aus.
Sie können denselben Ansatz verwenden, um die Wahrscheinlichkeit einer 1 für Wiederhergestellt vorherzusagen, wenn Sie ein allgemeines lineares Modell verwenden.
Betreff: Interpretation: Verallgemeinertes Regressionsmodell mit binären (kategorialen) Variablen@G_M und @ Dan_Obermiller : Durch Ihre Antworten ist es uns gelungen, die Interpretation zu vervollständigen und mit der Recherche fortzufahren. Danke!
