Ciao a tutti,
Sono uno studente che lavora a un progetto di ricerca e ho una domanda/chiarimento su come interpretare l'output del Fit Model per una regressione binomiale negativa. Sto cercando di prevedere una variabile di conteggio (Variabile A = quanto tempo ci è voluto perché un evento si verificasse) in base al sesso (M vs F). Sto usando una regressione binomiale negativa perché la mia variabile di conteggio non è normalmente distribuita e i miei dati sono eccessivamente dispersi (penso che questo sia l'approccio giusto ma fammi sapere anche i tuoi pensieri su questo). Il mio piano è ripeterlo con diversi predittori e quindi includere tutti quelli significativi in un unico modello con più predittori.
Durante l'interpretazione del rapporto, il mio valore p per il termine Sex[FM] è significativo, a dimostrazione del fatto che il sesso è un predittore della variabile A. L'RSquare generalizzato è molto basso, quindi so che non è un ottimo adattamento.
--> Sto cercando di capire come dire che per un dato sesso (es. Femmine), la Variabile A è del XX % superiore (o inferiore). Come lo faccio?
--> Come interpreto il Preventivo?
Nello stesso rapporto, sto anche cercando di esaminare i rapporti dei tassi di incidenza. Se,
Livello 1 = F, Livello 2 = M, IRR = 1.303
--> Significa che per F rispetto a M, c'è un aumento del 30% nella variabile A?
Grazie per tutto l'aiuto e scusa se la mia spiegazione non è chiara! Ho appena iniziato con le statistiche...
Le risposte alla maggior parte delle tue domande sono documentate qui . Inoltre,
- " Sto usando una regressione binomiale negativa " sembra ragionevole ma non sono sicuro di classificare la tua risposta come dati di 'conteggio'. Stai misurando il tempo, non contando gli oggetti. Ma la scelta della distribuzione dipende dalla risposta, quindi seguila.
- " Il mio piano è ripeterlo con diversi predittori e quindi includere tutti quelli significativi in un unico modello con più predittori. " Interpreto il tuo piano per modellare ogni predittore uno alla volta nello stesso modo in cui hai già modellato con Sex. Ti consiglio invece di inserire tutti i predittori nello stesso modello e poi selezionare i termini attivi/modello scelto nel solito modo.
- " come dire che per un dato sesso (es. femmine), la variabile A è del XX % superiore (o inferiore) " è probabilmente gestibile meglio con Prediction Profiler, disponibile dal menu del triangolo rosso della piattaforma.
- " Come interpreto il Preventivo? " si risponde in questo capitolo della Guida di JMP.
- " Ciò significa che per F rispetto a M, c'è un aumento del 30% nella variabile A? " trova risposta nella pagina che ho suggerito prima sopra.
