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私たちは治療法 (医薬品など) の有効性をテストするモデルを適合させています。 DVというのは、回復しました、公称数値として定義されるバイナリ変数 (0/1)。 研究課題は、治療が前提条件の発現に影響を及ぼし、それによって回復を改善するかどうかです。 一定レベルの前提条件を持つ人々は、治療に対して異なる反応を示す、つまり相互作用効果が期待されます。
一般化回帰モデルを二項分布に当てはめます。 予測因子は 1) 治療を受けたかどうか (処理;バイナリ)、2) 式が処理によって影響を受ける変数 (前提条件、連続)、3-4) 2 つの連続制御変数 (期間そしてQ )、および 5) 相互作用項処理そして前提条件。
- 回帰式はデフォルトで Recovered=0 の可能性を計算しますが、ここでは Recovered=1 を予測することに興味があります。 デフォルトを変更するにはどうすればよいでしょうか?
- 紛らわしいことに、パラメータ推定値には治療パラメータが「治療[0-1]」として表示されます。 これは無治療または無治療の影響ということでしょうか？ 明らかに、非常に重要な違いです。
- 相互作用効果を解釈する正しい方法は何ですか? 「-226.24」とは具体的には何を意味するのでしょうか？
出力は以下の通りです。 ご協力いただきありがとうございます！
回復した場合の一般化回帰 = 0
モデルの比較
見せる | 応答分布 | 推定方法 | 検証方法 | ゼロ以外のパラメータ | AICc | ビック | 一般化されたRS2乗 | |
[バツ] | 二項 | ロジスティック回帰 | なし | 5 | 3677.7423 | 3708.3526 | 0.1934902 | |
モデルローンチ
二項
なげなわ [ ] アダプティブ
AICc
ロジスティック回帰
モデルの概要
応答 | 回復しました | |
分布 | 二項 | |
推定方法 | 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 | |
測定 | | |
行の数 | 6128 | |
周波数の合計 | 3380 | |
-対数尤度 | 1833.8622 | |
パラメータの数 | 5 | |
ビック | 3708.3526 | |
AICc | 3677.7423 | |
一般化されたRS2乗 | 0.1934902 | |
元の予測子のパラメータ推定値
学期 | 見積もり | 標準エラー | ヴァルド カイスクエア | 確率 > カイ二乗 | 95%未満 | 上位95% | |
インターセプト | 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 | |
期間 | 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)*治療[0-1] | 0.0009875 | 0.0003172 | 9.6914587 | 0.0019* | 0.0003658 | 0.0016093 | |
(機密保持要件のため、すべての変数名はエイリアスです)。
データの探索と視覚化予測モデリングと機械学習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 ：皆様のご回答により、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！
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モデルの治療を 0 ではなく 1 にするには、治療列の値の順序付けプロパティをオンにします。 1 レベルを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」が 1 になる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1) おそらく、Treatment = 0 になるようにデータを再コーディングして、モデルを再実行できますか? または、そのままにしておくことができますが、モデリング タイプを連続に変更することもできます。
2) あなたは正しいと思います。 結果のターゲット レベルを切り替えることができる Personality = Nominal Logistic もあります。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！ ここでは進歩しています。
- JMP で効果を計算するにはどうすればよいですか?面前治療の量 (つまり、治療 = 1)。 現在、次の効果を計算しています。不在治療の量 (つまり、治療 = 0)。
- 明確にしておきますが、ターゲット レベルの指定は一般化回帰では使用できますが、一般化線形モデルでは使用できません。 少なくともそのような選択肢は見つかりません。
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[モデルのフィット プラットフォーム] ダイアログでターゲットの結果を 0 から 1 に変更できます。 性格 = 一般化回帰および分布 = 二項を選択したら、ターゲット レベル = 1 (デフォルトは 0) を選択できます。 解釈の観点からは、モデルの適合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。 定量的な解釈のために、あなたの場合、データテーブルの列に適合するモデルからの予測式 (同じ赤い三角形の下のオプション) を保存することができます。 次に、式を開いて検査することができ、解釈に役立ちます。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ご返信ありがとうございます。 質問を投稿する前に、このフォーラムも含めて広範な検索を行いましたが、何かを見落としていた可能性があります。 1) 予測される DV レベルを変更する方法と、結果 2) と 3) を解釈する方法を教えていただけますか。 番号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はありましたか? ドキュメント ライブラリの例は、結果を解釈するのに役立ちます。
心から、
MG
