So führen Sie die Modellauswahl aus der Kontingenzanalyse durchMeine Domäne ist Verbraucherforschung.Ich habe 7 erklärende Variablen und 1 Antwortvariable.Alle sind kategorisch.
Mein Ziel ist es, die Antwortvariable durch eine oder eine Kombination der erklärenden Variablen zu ersetzen.
Mein Ansatz:
- Führen Sie Kontingenzanalysen für jede der erklärenden Variablen mit der Antwort durch.
- Wählen Sie aus der Kontingenzanalyse die erklärende Variable mit dem höchsten R-Quadrat (U) aus.Da die Anzahl der Ebenen unterschiedlich ist, glaube ich nicht, dass Likelihood Ratio- oder Pearson-Chi-Quadrat-Werte bei der Modellauswahl hilfreich wären.
- Verwenden Sie aus der Tabelle der Zuordnungsmaße die Lambda- und Unsicherheitswerte.Wählen Sie die erklärende Variable mit den höchsten Werten.
Nachfolgend finden Sie eine Zusammenfassung, die die Variablen und Ergebnisse der Kontingenzanalyse beschreibt.
Variable # | # Ebenen | Rsq(U) | LR-Chi-Quadrat | Pearson-Chi-Quadrat | Lambda Asym (C|R, R|C) | Lambda Sym. | Unsicherheitskoeffizient (C|R, R|C) | Unsicherheitskoeffizient (Sym) |
EIN | 4 | .08 | 248 | 268 | .08, .13 | .1 | .08, .08 | .08 |
B | 3 | .02 | 76 | 75 | .06, .02 | .04 | .02, .03 | .03 |
C | 10 | .04 | 136 | 153 | .05, .04 | .045 | .04, .03 | .034 |
D | 10 | .31 | 961 | 1207 | .33, .13 | .22 | .3, .2 | .245 |
E | 18 | .34 | 1056 | 1498 | .34, .1 | .21 | .34, .19 | .24 |
F | 40 | .345 | 1084 | 1590 | .34, .05 | .17 | .35, .15 | .21 |
G | 6 | .32 | 1000 | 1286 | .35, .28 | .31 | .32, .26 | .29 |
Die Antwortvariable hat 6 Stufen.
Die Stufen in den Variablen D, E, F, G sind nach aufsteigender Intensität geordnet.Es wird angenommen, dass die unteren und oberen Grenzen ähnlich sind.
Fragen:
- Ist der beschriebene Ansatz gültig?
- Kann ich eine der Variablen von D, E, F, G (ich neige dazu, G auszuwählen) mit einer oder mehreren von A, B, C kombinieren, um ein besseres Modell zu erhalten (dh einen besseren Ersatz für die Antwort)?Wenn ja, wie könnte man dies tun und welche Metriken könnten verwendet werden, um das beste Modell auszuwählen?
AnalytikSonstigesBetreff: Modellauswahl aus der KontingenzanalyseDanke, Markus!
Ich habe in der Vergangenheit die logistische Regression verwendet, aber nur mit binären Antworten (z. B. Stable/Instable). Diese Instanz wäre eine großartige Gelegenheit zum Lernen. Werde es gleich nachholen!Betreff: Modellauswahl aus der KontingenzanalyseDie zweiseitige Kontingenztabellenanalyse ist an sich gültig, aber für Ihren Zweck nicht ausreichend. Die logistische Regression mit einem linearen Prädiktor, der alle Variablen kombiniert, wird Ihre Anforderungen besser erfüllen.
Anfang hier in der JMP Online-Dokumentation, um zu erfahren, was logistische Regression ist, wie Sie Ihre Daten einrichten, wie Sie die Analyseplattform starten und welche Ergebnisse zur Beantwortung Ihrer Fragen zur Verfügung stehen.
