JMP Odds Ratio-Berechnungen stimmen nicht mit meinen übereinIch bin neu bei JMP (Version 16.1). Ich betreibe ein binomiales logistisches Regressionsmodell. Ich habe die Modellausgabe so eingestellt, dass sie Parameterschätzungen und Quotenverhältnisse enthält. Wenn ich die Logodds aus den Parameterschätzungen nehme und sie in Excel exponentiere, um die Odds-Ratios zu erhalten, stimmen sie nicht mit der Odds-Ratio-Ausgabe in JMP überein.
Meine Parameterschätzungen zeigen, dass Konfidenzgrenzen Wald-basiert sind, und unter Odds Ratios heißt es, dass auch Tests und Konfidenzintervalle Wald-basiert sind.
Hat jemand einen Einblick, warum sich meine Berechnungen von JMPs unterscheiden? Wie berechnet JMP die Odds Ratios?
Beispiel:
JMP-Ausgabe:
| Begriff | Schätzen | Standardfehler | ChiQuadrat | Prob>ChiSq | Niedrigere 95% | Obere 95% |
| Abfangen | 2.460656 | 1.570863 | 2.45 | 0,1172 | -0,61818 | 5.539491 |
| Das Alter | -0.03287 | 0,021537 | 2.33 | 0,127 | -0,07508 | 0,009342 |
| Sex[Weiblich] | -0,05266 | 0,234692 | 0,05 | 0,8225 | -0.51265 | 0.407328 |
| BMI | -0,0674 | 0.042016 | 2,57 | 0,1087 | -0,14975 | 0,014951 |
| Geschwindigkeit | -0,01883 | 0,017697 | 1,13 | 0,2874 | -0,05351 | 0,015859 |
| Alle zurückhalten[Keine] | -0,43613 | 0,269435 | 2.62 | 0,1055 | -0.96422 | 0,09195 |
Meine Odds Ratio-Berechnungen:
| Begriff | Schätzen | Wahrscheinlichkeit |
| Abfangen | 2.460656 | 11.71249 |
| Das Alter | -0.03287 | 0.967665 |
| Sex[Weiblich] | -0,05266 | 0.948703 |
| BMI | -0,0674 | 0.934823 |
| Geschwindigkeit | -0,01883 | 0,98135 |
| Alle zurückhalten[Keine] | -0,43613 | 0.646532 |
Quoten von JMP
| Quotenverhältnisse für Einheiten | | | | |
| Begriff | Wahrscheinlichkeit | Niedrigere 95% | Obere 95% | Gegenseitig |
| Das Alter | 0.967665 | 0,927669 | 1.009386 | 1.033415 |
| BMI | 0.934823 | 0.860925 | 1.015063 | 1.069722 |
| Geschwindigkeit | 0,98135 | 0.947896 | 1.015985 | 1.019004 |
| Range Odds Ratios | | | | |
| Begriff | Wahrscheinlichkeit | Niedrigere 95% | Obere 95% | Gegenseitig |
| Das Alter | 0.235452 | 0.036752 | 1.508409 | 4.247151 |
| BMI | 0,073658 | 0,003042 | 1.783541 | 13.57625 |
| Geschwindigkeit | 0,183722 | 0,008099 | 4.167436 | 5.443015 |
| Quoten für Sex | | | | | |
| Level 1 | /Level 2 | Wahrscheinlichkeit | Prob>Chisq | Niedrigere 95% | Obere 95% |
| Männlich | Weiblich | 1.111064 | 0,8225 | 0.442791 | 2.787911 |
| Weiblich | Männlich | 0,900038 | 0,8225 | 0,358692 | 2.2584 |
| Quotenverhältnisse für Zurückhaltung Alle | | | | | |
| Level 1 | /Level 2 | Wahrscheinlichkeit | Prob>Chisq | Niedrigere 95% | Obere 95% |
| Sicherheitsgurt | Keiner | 2.392325 | 0,1055 | 0.832019 | 6.878711 |
| Keiner | Sicherheitsgurt | 0,418004 | 0,1055 | 0.145376 | 1.201896 |
Vielen Dank im Voraus!
AnalytikBetreff: JMP Odds Ratio-Berechnungen stimmen nicht mit meinen übereinHallo @GregPeq ,
Die Odds Ratio-Tabelle ist der einfachste und garantierte Weg, um die richtigen Kontraste zwischen den Kategorien zu erhalten.
der Grund, warum Ihre Berechnung falsch aussieht, ist, dass Sie die "Nominal"-Skala für die Kategorisierung verwendet haben. Wenn Sie "Ordinal" verwenden, erhalten Sie genau den gleichen Wert wie in der Kontrasttabelle. Dies liegt daran, dass JMP bei der Verwendung von Nominalwerten die Koeffizienten als Differenz zu einer nicht gewichteten Durchschnittskategorie schätzt. Dies ist viel sinnvoller, wenn es viele Kategorien gibt. Wenn eine Variable ordinal ist, werden die Koeffizienten als Differenz zur vorherigen Kategorie geschätzt.
Für weitere Informationen zu Definitionen kategorialer Variablen können Sie dieser Diskussion aus der Vergangenheit folgen:
https://community.jmp.com/t5/Discussions/model-equivalency-with-SAS/mp/231383/highlight/true#M45887
Lassen Sie uns wissen, ob es für Sie funktioniert,
Ron
Betreff: JMP Odds Ratio-Berechnungen stimmen nicht mit meinen übereinDanke für deine Antwort, @ron_horne .
Meine Antwortvariable ist binomial. Wollen Sie damit sagen, dass ich dieser Variablen in JMP einen ordinalen Modellierungstyp zuweisen und den nominalen Modellierungstyp für multinomiale (nicht ordinale) Variablen reservieren sollte? Würde dies nicht dazu führen, dass JMP eine ordinale logistische Regression statt einer binomialen logistischen Regression durchführt?
Danke,
Gregor
Betr.: Berechnungen des Quotenverhältnisses von JMP stimmen nicht mit meinen übereinHallo @GregPeq ,
Nein, definieren Sie einfach Sex and Restraint All als ordinal und führen Sie die gleiche Berechnung durch (einschließlich Ihrer eigenen Quotenverhältnisse), dies sollte Sie zu den JMP-Quotenverhältnissen bringen.
Ron
