皆さんこんにちは、
私は研究プロジェクトに取り組んでいる学生であり、負の二項回帰のフィットモデル出力を解釈する方法について質問/説明があります。 性別（M対F）に基づいて、カウント変数（変数A =イベントが発生するのにかかった時間）を予測しようとしています。 カウント変数が正規分布しておらず、データが過剰に分散しているため、負の二項回帰を使用しています（これは正しいアプローチだと思いますが、これについての考えも教えてください）。 私の計画は、これをさまざまな予測子で繰り返してから、複数の予測子を持つ単一のモデルで重要なものをすべて含めることです。
レポートを解釈するとき、Sex [FM]項のp値は有意であり、性別が変数Aの予測因子であることを示しています。 一般化されたRSquareは非常に低いので、あまり適合しないことを私は知っています。
->特定の性別（つまり女性）について、変数AがXX％高い（または低い）と言う方法を理解しようとしています。 それ、どうやったら出来るの？
->見積もりをどのように解釈しますか？
同じレポートで、発生率の比率も調べようとしています。 もしも、
レベル1 = F、レベル2 = M、IRR = 1.303
->それは、Mと比較してFの場合、変数Aが30％増加することを意味しますか？
すべての助けに感謝し、私の説明が明確でない場合は申し訳ありません！ 統計を始めたばかりです...
ほとんどの質問に対する回答は文書化されていますここ。 さらに、
- 「」負の二項回帰を使用しています「妥当なようですが、あなたの回答を「カウント」データとして分類するかどうかはわかりません。 あなたはアイテムを数えるのではなく、時間を測定しています。 ただし、ディストリビューションの選択は応答によって異なるため、それに従ってください。
- 「」私の計画は、これをさまざまな予測子で繰り返してから、複数の予測子を持つ単一のモデルで重要なものをすべて含めることです。 「」 すでにSexでモデル化したのと同じ方法で、各予測子を一度に1つずつモデル化するというあなたの計画を解釈します。 代わりに、同じモデルにすべての予測子を入力してから、通常の方法でアクティブな用語/選択したモデルを選択することをお勧めします。
- 「」特定の性別（つまり女性）について、変数AがXX％高い（または低い）と言う方法"は、プラットフォームの赤い三角形のメニューから利用できるPredictionProfilerで処理するのがおそらく最適です。
- 「」見積もりをどのように解釈しますか？ "で答えられますこの章JMPヘルプの。
- 「」これは、Mと比較してFの場合、変数Aが30％増加することを意味しますか？ "は、上記で最初に提案したページで回答されています。
