Come interpretare: modello di regressione generalizzata con variabili binarie (categoriali)Stiamo adattando un modello che verifica l'efficacia di un trattamento (ad esempio, un prodotto farmaceutico). Il DV è Recuperato , una variabile binaria (0/1), definita come nominale numerica. La domanda di ricerca è se il trattamento influisce sull'espressione di una precondizione e quindi migliora il recupero. Ci aspettiamo che le persone con un certo livello di precondizione reagiscano in modo diverso al trattamento, cioè un effetto di interazione.
Adattiamo un modello di regressione generalizzato con distribuzione binomiale. I predittori sono 1) se la persona ha ricevuto il trattamento ( Trattamento ; binario), 2) la variabile la cui espressione dovrebbe essere influenzata dal trattamento ( Presupposto , continuo), 3-4) due variabili di controllo continue ( Periodo e Q ), nonché un 5) termine di interazione tra Trattamento e Presupposto .
- Per impostazione predefinita, l'equazione di regressione calcola la probabilità di Recovered = 0, ma siamo interessati a prevedere Recovered = 1. Come cambiamo l'impostazione predefinita?
- In modo confuso, le stime dei parametri mostrano il parametro del trattamento come "Trattamento [0-1]". Ciò significa che questo è l'effetto di nessun trattamento o trattamento? Una distinzione molto importante, ovviamente.
- Qual è il modo giusto per interpretare l'effetto di interazione? Nello specifico, cosa significa "-226,24"?
L'output è di seguito. Grazie per l'aiuto!
Regressione generalizzata per recuperati = 0
Confronto di modelli
Mostrare | Distribuzione delle risposte | Metodo di stima | Metodo di convalida | Parametri diversi da zero | AICc | BIC | RSquare generalizzato | |
[X] | Binomiale | Regressione logistica | Nessuna | 5 | 3677.7423 | 3708.3526 | 0.1934902 | |
Lancio del modello
Binomiale
Lazo [] Adaptive
AICc
Regressione logistica
Riepilogo del modello
Risposta | Recuperato | |
Distribuzione | Binomiale | |
Metodo di stima | Regressione logistica | |
Metodo di convalida | Nessuna | |
Collegamento al modello di probabilità | Logit | |
Misurare | | |
Numero di righe | 6128 | |
Somma delle frequenze | 3380 | |
-LogLikelihood | 1833.8622 | |
Numero di parametri | 5 | |
BIC | 3708.3526 | |
AICc | 3677.7423 | |
RSquare generalizzato | 0.1934902 | |
Stime dei parametri per i predittori originali
Termine | Stima | Errore standard | Wald ChiSquare | Prob> ChiSquare | Inferiore al 95% | Superiore al 95% | |
Intercettare | 0.8755145 | 0.1101971 | 63.122825 | <.0001 * | 0.6595322 | 1.0914968 | |
Trattamento [0-1] | 0.0643045 | 0.0696953 | 0.8512868 | 0.3562 | -0.072296 | 0.2009047 | |
Periodo | 0.1015936 | 0.0130748 | 60.375781 | <.0001 * | 0.0759675 | 0.1272197 | |
Q | 0.0012641 | 0.0004935 | 6.5606499 | 0,0104 * | 0.0002968 | 0.0022314 | |
Presupposto | -0.000095 | 0.0001314 | 0.522411 | 0.4698 | -0.000352 | 0.0001626 | |
(Precondizione-226.24) * Trattamento [0-1] | 0.0009875 | 0.0003172 | 9.6914587 | 0,0019 * | 0.0003658 | 0.0016093 | |
(Tutti i nomi delle variabili sono alias a causa di requisiti di riservatezza).
AnalyticsOggetto: Come interpretare: modello di regressione generalizzata con variabili binarie (categoriali)Ciao, hai avuto la possibilità di rivedere la libreria di documentazione di JMP dal menu Guida in JMP? Gli esempi nella Documentation Library dovrebbero aiutarti a interpretare i tuoi risultati.
Cordiali saluti,
MGOggetto: Come interpretare: modello di regressione generalizzata con variabili binarie (categoriali)Grazie per la risposta. Abbiamo fatto un'ampia ricerca prima di pubblicare la domanda, anche in questo forum, ma forse ci siamo persi qualcosa. Potresti indicarci 1) come modificare il livello DV previsto e come interpretare i risultati 2) e 3)? I numeri si riferiscono alle domande originali.
Oggetto: Come interpretare: modello di regressione generalizzata con variabili binarie (categoriali)Ok, puoi cambiare il risultato di destinazione da 0 a 1 nella finestra di dialogo Fit Model Platform. Dopo aver selezionato la personalità = regressione generalizzata e distribuzione = binomiale, è possibile selezionare il livello obiettivo = 1 (il valore predefinito è 0). In termini di interpretazione, dovresti guardare il Prediction Profiler sotto il triangolo rosso associato al tuo modello. Il Prediction Profiler ti consentirà di visualizzare il cambiamento in Y per determinate modifiche nella X. Per l'interpretazione quantitativa, nel tuo caso, potresti voler salvare la Prediction Formula (un'opzione sotto lo stesso triangolo rosso) dal modello adatto alla colonna (s) nella tabella dei dati. Quindi, puoi aprire la formula per l'ispezione che dovrebbe aiutarti nella tua interpretazione.Oggetto: Come interpretare: modello di regressione generalizzata con variabili binarie (categoriali)Grazie! Stiamo facendo progressi qui.
- In che modo JMP calcola l'effetto per il file presenza di trattamento (cioè, trattamento = 1). In questo momento, calcola l'effetto di assenza di trattamento (cioè, trattamento = 0).
- Giusto per essere chiari, la specifica del livello obiettivo è disponibile per la regressione generalizzata ma non per un modello lineare generalizzato, giusto? Almeno non riusciamo a trovare un'opzione del genere.
Oggetto: Come interpretare: modello di regressione generalizzata con variabili binarie (categoriali)1) Forse puoi ricodificare i tuoi dati in modo che il trattamento = 0 e rieseguire il modello? Oppure puoi lasciarlo così com'è ma cambiare il tipo di modellazione in continuo.
2) Penso che tu abbia ragione. C'è anche Personality = Nominal Logistic in cui è possibile alternare il Target Level del risultato.Oggetto: Come interpretare: modello di regressione generalizzata con variabili binarie (categoriali)Per avere il modello per il trattamento = 1 invece di 0, attivare la proprietà Ordinamento valori per la colonna Trattamento. Sposta il livello 1 in alto, quindi è in cima alla lista e riesegui il tuo modello.
È possibile utilizzare lo stesso approccio per prevedere la probabilità di un 1 per il recupero quando si utilizza un modello lineare generale.
Oggetto: Come interpretare: modello di regressione generalizzata con variabili binarie (categoriali)@G_M e @Dan_Obermiller : Attraverso le tue risposte, siamo riusciti a completare l'interpretazione e procedere con la ricerca. Grazie!
