Comment interpréter : modèle de régression généralisée avec des variables binaires (catégorielles)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 nominale numérique. 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 présentant un certain niveau de précondition réagissent différemment au traitement, c'est-à-dire un effet d'interaction.
Nous ajustons un modèle de régression généralisée 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 contrôle continu ( 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 Récupération = 0, mais nous souhaitons prédire Récupéré = 1. Comment changer la valeur par défaut ?
- De manière confuse, les estimations des paramètres affichent le paramètre de traitement comme « Traitement[0-1] ». Cela signifie-t-il que c'est l'effet de l'absence de traitement ou d'un 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 pour votre aide!
Régression généralisée pour récupéré = 0
Comparaison des modèles
Montrer | 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 avec le modèle de probabilité | Se connecter | |
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 originaux
Terme | Estimation | Erreur standard | Wald ChiSquare | Prob > Chi carré | Inférieur à 95 % | Supérieur 95 % | |
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 préalable-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).
Exploration et visualisation des donnéesModélisation prédictive et apprentissage automatiqueRe : Comment interpréter : modèle de régression généralisée 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!
Re : Comment interpréter : modèle de régression généralisée 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. Déplacez le niveau 1 vers le haut 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 généralisée avec des variables binaires (catégorielles)1) Peut-être pouvez-vous recoder vos données pour que Treatment = 0 et réexécuter le modèle ? Ou bien, vous pourrez peut-être le laisser tel quel mais changer le type de modélisation en continu.
2) Je pense que tu as raison. Il existe également la Personnalité = Logistique Nominale dans laquelle vous pouvez basculer le niveau cible du résultat.Re : Comment interpréter : modèle de régression généralisée avec des variables binaires (catégorielles)Merci! Nous progressons ici.
- Comment faire en sorte que JMP calcule l'effet pour le présence de traitement (c'est-à-dire Traitement = 1). À l'heure actuelle, il calcule l'effet du absence de traitement (c'est-à-dire Traitement = 0).
- Juste 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 trouvons pas une telle option.
Re : Comment interpréter : modèle de régression généralisée avec des variables binaires (catégorielles)Ok, eh bien, vous pouvez changer le résultat cible de 0 à 1 dans la boîte de dialogue Ajuster la plate-forme de modèle. Une fois que vous avez sélectionné Personnalité = Régression généralisée et Distribution = Binôme, vous pouvez sélectionner le Niveau cible = 1 (la valeur par défaut est 0). En termes d'interprétation, vous devriez consulter le profileur de prédiction sous le triangle rouge associé à votre ajustement de modèle. 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 souhaiterez peut-être enregistrer la formule de prédiction (une option sous le même triangle rouge) de l'ajustement du modèle dans la ou les colonnes de 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 généralisée avec des variables binaires (catégorielles)Merci pour la réponse. Nous avons effectué une recherche approfondie avant de poster la question, y compris sur ce forum, mais nous avons peut-être manqué quelque chose. Pourriez-vous nous indiquer 1) comment modifier le niveau de DV prévu et comment interpréter les résultats 2) et 3) ? Les numéros font référence aux questions originales.
Re : Comment interpréter : modèle de régression généralisée avec des variables binaires (catégorielles)Bonjour, avez-vous eu l'occasion 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.
Sincèrement,
MG
