307749_ko-KR

liliconcom

해석 방법: 이진(범주형) 변수를 사용한 일반화 회귀 모델

우리는 치료(예: 의약품)의 효능을 테스트하는 모델을 피팅하고 있습니다. DV는 회복 된 , 숫자 명목으로 정의된 이진 변수(0/1). 연구 문제는 치료가 전제 조건의 표현에 영향을 주어 회복을 향상시키는지 여부입니다. 우리는 일정 수준의 전제 조건을 가진 사람들이 치료에 대해 다르게 반응할 것으로 기대합니다. 즉, 상호작용 효과입니다.

우리는 이항 분포를 사용하여 일반화된 회귀 모델을 적합합니다. 예측변수는 1) 그 사람이 치료를 받았는지 여부( 치료 ; 이진), 2) 해당 표현이 처리에 의해 영향을 받아야 하는 변수( 전제조건 , 연속), 3-4) 두 개의 연속 제어변수( 기간 그리고 큐 ), 뿐만 아니라 5) 사이의 상호작용 항 치료 그리고 전제조건 .

1. 회귀 방정식은 기본적으로 Recovered=0의 가능성을 계산하도록 설정되어 있지만 우리는 Recovered=1을 예측하는 데 관심이 있습니다. 기본값을 어떻게 변경합니까?
2. 혼란스럽게도 매개변수 추정값에는 치료 매개변수가 "치료[0-1]"로 표시됩니다. 이것이 치료나 치료를 받지 않은 결과라는 뜻인가요? 분명히 매우 중요한 차이점입니다.
3. 상호작용 효과를 해석하는 올바른 방법은 무엇입니까? 구체적으로 "-226.24"는 무엇을 의미하나요?

출력은 아래와 같습니다. 당신의 도움을 주셔서 감사합니다!

 

복구에 대한 일반화 회귀 = 0

모델 비교

 

보여주다	응답 분포	추정방법	검증 방법	0이 아닌 매개변수	AICc	빅	일반화된 R스퀘어
[엑스]	이항식	로지스틱 회귀	없음	5	3677.7423	3708.3526	0.1934902

 

모델 출시

이항식

올가미 [ ] 적응형

 

AICc

 

[ ] 조기 중지

 

 

로지스틱 회귀

모델 요약

 

응답	회복 된
분포	이항식
추정방법	로지스틱 회귀
검증 방법	없음
확률 모델 링크	로짓

 

 

측정하다
행 수	6128
빈도의 합	3380
-로그우도	1833.8622
매개변수 수	5
빅	3708.3526
AICc	3677.7423
일반화된 R스퀘어	0.1934902

 

원래 예측 변수에 대한 모수 추정

 

용어	추정	표준 오류	왈드 키스퀘어	프로브 > 카이스퀘어	95% 이하	상위 95%
인터셉트	0.8755145	0.1101971	63.122825	<.0001*	0.6595322	1.0914968
치료[0-1]	0.0643045	0.0696953	0.8512868	0.3562	-0.072296	0.2009047
기간	0.1015936	0.0130748	60.375781	<.0001*	0.0759675	0.1272197
큐	0.0012641	0.0004935	6.5606499	0.0104*	0.0002968	0.0022314
전제조건	-0.000095	0.0001314	0.522411	0.4698	-0.000352	0.0001626
(전제조건-226.24)*치료[0-1]	0.0009875	0.0003172	9.6914587	0.0019*	0.0003658	0.0016093

 

(모든 변수 이름은 기밀 요구 사항으로 인해 별칭입니다.)

 

데이터 탐색 및 시각화예측 모델링 및 기계 학습Re: 해석 방법: 이진(범주형) 변수를 사용한 일반화 회귀 모델

@G_M 그리고 @Dan_Obermiller : 귀하의 답변을 통해 해석을 완료하고 연구를 진행할 수 있었습니다. 감사합니다!

 

Re: 해석 방법: 이진(범주형) 변수를 사용한 일반화 회귀 모델

치료에 대한 모델을 0 대신 1로 만들려면 치료 열의 값 순서 속성을 설정하세요. 1레벨을 위로 이동하여 목록 맨 위에 오도록 하고 모델을 다시 실행하세요.

 

일반 선형 모형을 사용할 때 동일한 접근 방식을 사용하여 복구됨에 대한 1의 확률을 예측할 수 있습니다.

Re: 해석 방법: 이진(범주형) 변수를 사용한 일반화 회귀 모델1) 처리 = 0이 되도록 데이터를 다시 코딩하고 모델을 다시 실행할 수 있습니까? 또는 그대로 두고 모델링 유형을 연속형으로 변경할 수도 있습니다.
2) 나는 당신이 옳다고 생각합니다. 결과의 목표 수준을 전환할 수 있는 성격 = 명목 로지스틱도 있습니다.Re: 해석 방법: 이진(범주형) 변수를 사용한 일반화 회귀 모델

감사합니다! 우리는 여기서 진전을 이루고 있습니다.

1. JMP가 다음의 효과를 어떻게 계산하도록 합니까? 있음 치료(즉, 치료=1). 지금은 다음의 효과를 계산합니다. 결석 치료(즉, 치료=0).
2. 분명히 말하면 목표 수준 지정은 일반화 회귀 분석에는 사용할 수 있지만 일반화 선형 모델에는 사용할 수 없습니다. 맞습니까? 적어도 우리는 그러한 옵션을 찾을 수 없습니다.

Re: 해석 방법: 이진(범주형) 변수를 사용한 일반화 회귀 모델좋습니다. Fit Model Platform 대화 상자에서 목표 결과를 0에서 1로 변경할 수 있습니다. 성격 = 일반화 회귀 및 분포 = 이항을 선택하면 목표 수준 = 1(기본값은 0)을 선택할 수 있습니다. 해석 측면에서 모델 적합성과 관련된 빨간색 삼각형 아래의 예측 프로파일러를 살펴봐야 합니다. 예측 프로파일러를 사용하면 X의 특정 변경 사항에 대한 Y의 변경 사항을 시각화할 수 있습니다. 귀하의 경우 정량적 해석을 위해 데이터 테이블의 열에 맞는 모델의 예측 공식(동일한 빨간색 삼각형 아래 옵션)을 저장할 수 있습니다. 그런 다음 해석에 도움이 되는 검사 공식을 열 수 있습니다.Re: 해석 방법: 이진(범주형) 변수를 사용한 일반화 회귀 모델

응답해 주셔서 감사합니다. 질문을 게시하기 전에 이 포럼을 포함하여 광범위한 검색을 수행했지만 뭔가를 놓쳤을 수 있습니다. 1) 예측된 DV 수준을 변경하는 방법과 결과를 해석하는 방법 2) 및 3)을 알려 주시겠습니까? 숫자는 원래 질문을 나타냅니다.

Re: 해석 방법: 이진(범주형) 변수를 사용한 일반화 회귀 모델안녕하세요. JMP의 도움말 메뉴에 있는 JMP 문서 라이브러리를 검토해 볼 기회가 있었나요? 문서 라이브러리의 예는 결과를 해석하는 데 도움이 됩니다.
감사합니다,
MG