Soll ich die logistische Regression oder das kategoriale Antwortmodul verwenden?Ich verwende JMP Pro 15.2.1.
Ich habe 60.000 Beobachtungen, bei denen die Antwort wahr/falsch ist, und zwei kategoriale Prädiktoren: Beruf und Gruppe (vorausgesetzt, sie sind nicht korreliert). Viele tausend Beobachtungen. Ich wollte gerade eine logistische Regression unter der Annahme durchführen, dass jede Beobachtung unabhängig ist. Aber dann wurde mir klar, dass jede Person drei aufeinanderfolgende Antwortmöglichkeiten hatte (eine pro Quartal) und dass ihre aufeinanderfolgenden Antworten nicht völlig unabhängig von früheren Antworten waren.Ich habe eine Personen-ID für jede Antwort, sodass ich weiß, welche Antworten zu jeder Personen-ID gehören.
Mein erster Versuch bestand einfach darin, die „Fit Model“-Plattform mit einer nominellen Logistikpersönlichkeit zu verwenden. Aber ich war mir nicht sicher, wie ich mit den wiederholten Messungen umgehen sollte, die von der 'case'-Variablen generiert wurden. Ich könnte Groß- und Kleinschreibung ignorieren und jede Beobachtung als unabhängig behandeln, aber das macht wahrscheinlich meine Teststatistik ungültig.
Für wiederholte Messungen habe ich das Multiple-Response-Modul in Analyse -> Verbraucherforschung -> Kategorial -> Verwandte -> Wiederholte Messungen ausprobiert. „Antwort“ ist meine wiederholte Messung, „Person“ ist meine ID und „Job“ und „Gruppe“ sind meine X-Werte. Aber wenn ich das Modell ausführe, sehe ich keinen der Tests, die ich bei der logistischen Regression erwarten würde. Bin ich doch im falschen Modul?
| Person | Fall | Antwort | Arbeit | Gruppe |
| a | 1 | T | Exekutive | blau |
| a | 2 | F | Exekutive | blau |
| a | 3 | T | Exekutive | blau |
| b | 1 | F | Mitarbeiter | blau |
| b | 2 | F | Mitarbeiter | blau |
| b | 3 | T | Mitarbeiter | blau |
| c | 1 | F | unterstützung | Orange |
| c | 2 | T | unterstützung | Orange |
| c | 3 | T | unterstützung | Orange |
AnalytikBetreff: Soll ich die logistische Regression oder das kategoriale Antwortmodul verwenden?Hier ist ein Gedanke. Aber ich gehe davon aus, dass das Interesse darin besteht, (A) zu sehen, wie sich die Antworten je nach Job und/oder Gruppe unterscheiden, UND auch (B), wie sich die Antworten vom vorherigen Fall zum nächsten Fall ändern. Wenn Sie nicht daran interessiert sind, ist das, was ich beschreiben werde, möglicherweise nicht richtig.
Nehmen Sie im ersten Schritt die Teilmenge aller Beobachtungen, deren Fall = 1 ist. Analysieren Sie die Teilmenge mithilfe der logistischen Regression und versuchen Sie, (A) gegebenen Fall = 1 zu beantworten.
Nehmen Sie im zweiten Schritt die Teilmenge aller Beobachtungen, deren Fall = 2 ist. Analysieren Sie die Teilmenge mithilfe der logistischen Regression und versuchen Sie, (A) gegebenen Fall = 2 zu beantworten. Fügen Sie dann die Antwort von Fall = 1 als neue erklärende Variable hinzu. Analysieren Sie die neue Teilmenge mithilfe der logistischen Regression und versuchen Sie, (B) gegebenen Fall = 2 zu beantworten, wobei Sie die Antwort für Fall = 1 konditionieren. Wenn sich die vorherige Reaktion als signifikant herausstellt, sagt sie etwas darüber aus, wie sich die vorherige Reaktion auf die spätere auswirkt.
Und so weiter und so fort. Während der Schritt fortschreitet, müssen Sie möglicherweise versuchen, entweder nur die unmittelbar vorherige Antwort als erklärende Variable oder alle vorherigen Antworten als erklärende Variablen hinzuzufügen, und sehen, was wichtig ist.
