Classement contradictoire : moyennes de groupe vs régression logistique nominaleNous avons quatre catégories, chacune comportant 1000 réponses continues. L'ordre des réponses moyennes est le suivant : A < B < C << D. L'ordre obtenu par régression logistique nominale est : A < C < B << D. (La différence entre les moyennes B et C est de 1,64 %). Je comprends que la régression logistique nominale repose sur les rapports de vraisemblance pour différents classements, mais il reste surprenant que le même ensemble de données donne un ordre différent lorsque les variables dépendantes et indépendantes sont inversées, c'est-à-dire lorsque la réponse est f(catégorie) et inversement.
Modélisation statistique avancéeAnalyse et modélisation de données de baseÉtudes de marché et de consommationExploration et visualisation des donnéesModélisation prédictive et apprentissage automatiqueIngénierie de la qualité et des procédésObjet : Classement contradictoire : Moyennes de groupe vs régression logistique nominaleJe ne suis pas sûr de la signification de "L'ordre obtenu par régression logistique nominale", car "nominal" signifie pas d'ordre.
Mais en général, vous avez ici deux modèles. Quelle que soit la façon dont vous tirez des conclusions des deux, ils n'ont pas à être d'accord. Mais vous devez valider chacun d'eux pour décider lequel est le plus fiable ou aucun.
Une question : si la différence entre B et C est significative dans un modèle. Sinon, il n'y a rien à débattre, car l'ordonnance n'est pas concluante selon ce modèle.Objet : Classement contradictoire : Moyennes de groupe vs régression logistique nominaleMerci pour votre commentaire utile.
Voici un autre exemple d'un ensemble de données similaire (250 réponses par catégorie).
Échantillon signifie : A < B < C << D. (D est nettement supérieur à A ou 
.
Logreg nominal : B < C < A < D.
La régression nominale ordonne les catégories sans information ordinale.
Ainsi, pour le classement de la catégorie, lorsque les réponses sont la variable dépendante, nous obtenons le premier classement.
Mais lorsque nous essayons d'obtenir l'ordre des catégories en fonction des réponses, nous obtenons le deuxième classement.
Je ne comprends pas pourquoi ces deux modèles devraient être en désaccord.
Objet : Classement contradictoire : Moyennes de groupe vs régression logistique nominaleVous n'avez pas expliqué ce que vous entendez par "l'ordre obtenu par régression logistique nominale". Voici ma supposition, voulez-vous dire que la commande est apparue dans le tracé logistique comme dans la capture d'écran suivante ?
Si tel est le cas, vous avez une idée fausse de ce complot. Ces étiquettes sont classées par ordre alphabétique. Comme je l'ai mentionné plus tôt, "nominal" signifie pas d'ordre. Si vous concluez une sorte d'ordre à partir de la régression logistique nominale, je pense que cela doit être une mesure de probabilité. Et je ne vois pas votre cas est un tel type.
Objet : Classement contradictoire : Moyennes de groupe vs régression logistique nominaleMerci beaucoup d'avoir corrigé mon erreur. J'ai une question complémentaire, si vous me le permettez. Si nous connaissons les rangs des moyennes, est-il valide d'effectuer une régression logistique ordinale basée sur ces rangs ? Merci encore,
À M
Objet : Classement contradictoire : Moyennes de groupe vs régression logistique nominale
Si nous connaissons les rangs des moyennes, est-il valide d'effectuer une régression logistique ordinale basée sur ces rangs ?
Je ne suis pas sûr de comprendre ce que vous demandez, mais la régression logistique ordinale n'est généralement une approche valable que lorsqu'il est logique d'imposer un ordre aux valeurs avant de exécuter le modèle, c'est-à-dire :
- Petit, Moyen, Grand : la régression logistique ordinale est appropriée
- Fournisseur A, Fournisseur B, Fournisseur C, Fournisseur D : la régression logistique ordinale n'est pas appropriée
Objet : Classement contradictoire : Moyennes de groupe vs régression logistique nominaleMerci pour la réponse.
Je sais déjà que l'ordre de la catégorie signifie :
A < B < C < D
Q1 : Maintenant, si j'exécute une régression logistique ordinale, est-ce que la valeur P
pour les tests de rapport de vraisemblance fournissent des informations supplémentaires utiles
au-delà de l'ANOVA ?
Q2 : Comme alternative à l'ANOVA, est-il valable de comparer les valeurs P
parmi tous les classements possibles ? je voudrais mieux comprendre
pourquoi c'est, ou n'est pas, valide.
Merci, ce sont mes dernières questions !
À M
Objet : Classement contradictoire : Moyennes de groupe vs régression logistique nominaleCela pourrait être utile si vous pouviez réellement publier votre analyse, afin que nous puissions mieux savoir de quoi nous parlons. Cela peut également être utile si vous pouvez énoncer le problème qui vous intéresse ou l'hypothèse.
En attendant, au cas où les commentaires généraux suivants auraient encore du sens pour vous, j'essaie d'une manière différente de voir si cela peut vous aider à comprendre le problème entre vos mains.
Pour Q1, voici un exemple utilisant les données Iris parmi les exemples de données JMP. Il s'agit d'une régression logistique des espèces ~ longueur des sépales. Ce que signifie la valeur p que j'ai mise en évidence dans la capture d'écran : Sepal peut dire qu'il existe des différences entre trois catégories. Mais c'est tout, rien d'autre.
Plus bas dans le rapport, il y a ce rapport sur les estimations. Les valeurs de p indiquent ici que setosa-vs-virginica et versicolor-vs-virginica sont séparables. Mais c'est tout, rien de plus. Aucune commande.
Pour Q2, je ne sais pas à quel rapport vous faites référence. Voici une capture d'écran de "All Pairs, Tukey's HSD"
Pour interpréter ce rapport, vous pouvez consulter cette documentation : Toutes les comparaisons par paires Cette documentation est sous la plate-forme Standard Least Squares, mais les résultats sont équivalents à ceux de Fit Y by X. (les nombres peuvent être différents par des signes, en raison de la différence d'ordre.)
Veuillez lire attentivement le premier paragraphe de la documentation. Lorsque vous comparez paire par paire, différentes statistiques ont des significations différentes. En particulier, vous devriez rechercher des mots comme "pairwise" et "joint". Ceci est lié aux comparaisons multiples. Et vous voudrez peut-être lire cette page wiki pour comprendre pourquoi les mots sont importants : Problème de comparaisons multiples
