Dois-je utiliser la régression logistique ou le module de réponse catégorique ?Je suis dans JMP Pro 15.2.1.
J'ai 60 000 observations, où la réponse est vrai/faux et deux prédicteurs catégoriels : travail et groupe (en supposant qu'ils ne soient pas corrélés). Plusieurs milliers d'observations. J'étais sur le point de faire une régression logistique en supposant que chaque observation était indépendante. Mais ensuite, j'ai réalisé que chaque personne avait trois possibilités de réponse consécutives (une chaque trimestre) et que leurs réponses successives ne sont pas entièrement indépendantes des réponses précédentes.J'ai un ID de personne pour chaque réponse, donc je sais quelles réponses appartiennent à chaque ID de personne.
Ma première tentative a simplement consisté à utiliser la plate-forme « fit model » avec une personnalité logistique nominale. Mais je ne savais pas trop comment gérer les mesures répétées générées par la variable 'case'. Je pourrais ignorer la casse et traiter chaque observation comme indépendante, mais cela invalide probablement mes statistiques de test.
Pour les mesures répétées, j'ai essayé le module de réponses multiples dans analyse -> recherche sur les consommateurs --> catégoriel -> lié -> mesures répétées. 'réponse' est ma mesure répétée, 'personne' est mon identifiant, et 'travail' et 'groupe' sont mes valeurs X. Mais lorsque j'exécute le modèle, je ne vois aucun des tests que je m'attendrais à voir avec la régression logistique. Suis-je dans le mauvais module finalement ?
| la personne | Cas | réponse | travail | groupe |
| un | 1 | J | exec | bleu |
| un | 2 | F | exec | bleu |
| un | 3 | J | exec | bleu |
| b | 1 | F | Personnel | bleu |
| b | 2 | F | Personnel | bleu |
| b | 3 | J | Personnel | bleu |
| c | 1 | F | prise en charge | orange |
| c | 2 | J | prise en charge | orange |
| c | 3 | J | prise en charge | orange |
AnalytiqueRe : Dois-je utiliser la régression logistique ou le module de réponse catégorique ?Voici une pensée. Mais je suppose que l'intérêt est de voir (A) comment les réponses sont différentes selon le travail et/ou le groupe, ET aussi (B) comment les réponses changent du cas précédent au cas suivant. Si votre intérêt n'est pas cela, ce que je vais décrire n'est peut-être pas approprié.
Première étape, prenez le sous-ensemble de toutes les observations dont le cas = 1. Analysez le sous-ensemble à l'aide de la régression logistique et essayez de répondre (A) étant donné le cas = 1.
Deuxième étape, prenez le sous-ensemble de toutes les observations dont le cas = 2. Analysez le sous-ensemble à l'aide de la régression logistique et essayez de répondre (A) étant donné le cas = 2. Ajoutez ensuite la réponse de case = 1 comme nouvelle variable explicative. Analysez le nouveau sous-ensemble à l'aide de la régression logistique et essayez de répondre (B) étant donné le cas = 2, en fonction de la réponse pour le cas = 1. Si la réponse précédente s'avère significative, cela indique comment la réponse précédente affecte la dernière.
Ainsi de suite. Au fur et à mesure que l'étape avance, vous devrez peut-être essayer d'ajouter soit uniquement la réponse précédente immédiate en tant que variable explicative, soit toutes les réponses précédentes en tant que variables explicatives, et voir ce qui compte.
