307749_zh-CN

liliconcom

如何解释：具有二元（分类）变量的广义回归模型

我们正在拟合一个模型来测试治疗（例如药品）的功效。 DV 是已恢复，一个二进制变量 (0/1)，定义为数值标称。 研究问题是治疗是否会影响先决条件的表达，从而改善康复。 我们期望具有一定程度先决条件的人会对治疗产生不同的反应，即相互作用效应。

我们拟合具有二项式分布的广义回归模型。 预测因素是 1) 该人是否接受治疗 (治疗;二进制），2）其表达式应受处理影响的变量（前提，连续），3-4）两个连续控制变量（时期和问)，以及 5) 之间的交互项治疗和前提。

1. 回归方程默认计算 Recovered=0 的可能性，但我们感兴趣的是预测 Recovered=1。 我们如何更改默认值？
2. 令人困惑的是，参数估计将治疗参数显示为“治疗[0-1]”。 这是不是说明这是不治疗或者不治疗的效果呢？ 显然，这是一个非常重要的区别。
3. 解释交互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。 感谢您的帮助！

 

恢复的广义回归 = 0

型号对比

 

展示	响应分布	估算方法	验证方法	非零参数	AICc	商业银行	广义R方
[X]	二项式	逻辑回归	没有任何	5	3677.7423	3708.3526	0.1934902

 

模型发布

二项式

套索 [ ] 自适应

 

AICc

 

[ ] 提前停止

 

 

逻辑回归

型号概要

 

回复	已恢复
分配	二项式
估算方法	逻辑回归
验证方法	没有任何
概率模型链接	罗吉特

 

 

措施
行数	6128
频率总和	3380
-对数似然	1833.8622
参数数量	5
商业银行	3708.3526
AICc	3677.7423
广义R方	0.1934902

 

原始预测变量的参数估计

 

学期	估计	标准误差	沃尔德卡方	概率 > 卡方	低于95%	95%以上
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
时期	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

 

（出于保密要求，所有变量名都是别名）。

 

数据探索和可视化预测建模和机器学习回复：如何解释：具有二元（分类）变量的广义回归模型

@G_M和@丹_奥伯米勒：通过您的回答，我们完成了解读，并进行了研究。 谢谢你！

 

回复：如何解释：具有二元（分类）变量的广义回归模型

为了使治疗模型 = 1 而不是 0，请打开治疗列的值排序属性。 将 1 级别向上移动，使其位于列表顶部并重新运行模型。

 

使用一般线性模型时，您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：具有二元（分类）变量的广义回归模型1）也许您可以重新编码数据，使 Treatment = 0 并重新运行模型？ 或者，您可以保留原样，但将建模类型更改为连续。
2）我认为你是对的。 还有“个性 = 名义逻辑”，您可以在其中切换结果的目标级别。回复：如何解释：具有二元（分类）变量的广义回归模型

谢谢你！ 我们正在这里取得进展。

1. 我们如何让 JMP 计算对在场治疗（即，治疗=1）。 现在，它计算的效果缺席治疗（即治疗=0）。
2. 需要明确的是，目标水平的规范可用于广义回归，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：具有二元（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。 选择个性 = 广义回归和分布 = 二项式后，您可以选择目标级别 = 1（默认为 0）。 在解释方面，您应该查看与您的模型拟合相关的红色三角形下的预测刻画器。 预测刻画器将使您能够可视化 Y 的变化对于 X 的给定变化。 对于定量解释，在您的情况下，您可能需要将模型拟合中的预测公式（同一红色三角形下的选项）保存到数据表中的列。 然后，您可以打开公式进行检查，这将有助于您的解释。回复：如何解释：具有二元（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，但我们可能遗漏了一些内容。 您能否向我们指出 1) 如何更改预测的 DV 水平以及如何解释结果 2) 和 3)？ 这些数字指的是原始问题。

回复：如何解释：具有二元（分类）变量的广义回归模型您好，您有机会查看 JMP 帮助菜单下的 JMP 文档库吗？ 文档库中的示例应该可以帮助您解释结果。
真挚地，
MG