Widersprüchliche Rangfolge: Gruppenmittelwerte vs. nominale logistische RegressionWir haben vier Kategorien mit jeweils 1000 (kontinuierlichen) Antworten. Die Reihenfolge der durchschnittlichen Antworten ist A < B < C << D. Die Reihenfolge, die sich durch nominale logistische Regression ergibt, ist: A < C < B << D. (Die Differenz zwischen den Mittelwerten von B und C beträgt 1,64 %). Mir ist bewusst, dass die nominale logistische Regression auf Likelihood-Ratios für verschiedene Rangfolgen basiert, aber es ist mir dennoch unverständlich, warum derselbe Datensatz eine andere Reihenfolge ergibt, wenn die abhängigen und unabhängigen Variablen vertauscht werden, d. h. Antwort als f(Kategorie) versus Kategorie als f(Antwort).
Fortgeschrittene statistische ModellierungGrundlagen der Datenanalyse und ModellierungVerbraucher- und MarktforschungDatenexploration und -visualisierungPrädiktive Modellierung und maschinelles LernenQualitäts- und ProzessentwicklungBetreff: Widersprüchliche Rangfolge: Gruppenmittelwerte vs. nominale logistische RegressionIch bin mir nicht sicher, was "Die durch nominale logistische Regression erhaltene Reihenfolge" bedeutet, da "nominal" keine Reihenfolge bedeutet.
Aber im Allgemeinen haben Sie hier zwei Modelle. Unabhängig davon, wie Sie Schlussfolgerungen aus den beiden ziehen, müssen sie nicht übereinstimmen. Aber Sie müssen jeden von ihnen validieren, um zu entscheiden, welcher vertrauenswürdiger ist oder keiner von beiden.
Eine Frage: ob der Unterschied zwischen B und C in einem Modell signifikant ist. Wenn nicht, gibt es nichts zu diskutieren, denn die Reihenfolge ist nach diesem Modell nicht schlüssig.Betreff: Widersprüchliche Rangfolge: Gruppenmittelwerte vs. nominale logistische RegressionVielen Dank für Ihren hilfreichen Kommentar.
Hier ist ein weiteres Beispiel aus einem ähnlichen Datensatz (250 Antworten pro Kategorie).
Stichprobe bedeutet: A < B < C << D. (D ist signifikant höher als A oder 
.
Nomineller Logreg: B < C < A < D.
Die nominelle Regression ordnet die Kategorien ohne ordinale Informationen.
Wenn also Antworten die abhängige Variable sind, erhalten wir für den Kategorierang den ersten Rang.
Aber wenn wir versuchen, die Kategoriereihenfolge basierend auf den Antworten zu erhalten, erhalten wir den zweiten Rang.
Es ist mir nicht ersichtlich, warum diese beiden Modelle nicht übereinstimmen sollten.
Betreff: Widersprüchliche Rangfolge: Gruppenmittelwerte vs. nominale logistische RegressionSie haben nicht erklärt, was Sie mit "der durch nominale logistische Regression erhaltenen Ordnung" meinen. Hier ist meine Vermutung, meinen Sie, dass die Bestellung im Logistikdiagramm wie im folgenden Screenshot angezeigt wurde?
Wenn das der Fall ist, haben Sie eine falsche Vorstellung von dieser Handlung. Diese Labels sind alphabetisch geordnet. Wie ich bereits erwähnt habe, bedeutet "nominal" keine Reihenfolge. Wenn Sie aus der nominellen logistischen Regression auf eine Art Ordnung schließen, muss dies meines Erachtens ein Wahrscheinlichkeitsmaß sein. Und ich sehe nicht, dass Ihr Fall ein solcher Typ ist.
Betreff: Widersprüchliche Rangfolge: Gruppenmittelwerte vs. nominale logistische RegressionVielen Dank für die Korrektur meines Missverständnisses. Ich habe eine Anschlussfrage, wenn ich darf. Wenn wir die Ränge der Mittelwerte kennen, ist es gültig, eine ordinale logistische Regression basierend auf diesen Rängen durchzuführen? Danke noch einmal,
Tom
Betreff: Widersprüchliche Rangfolge: Gruppenmittelwerte vs. nominale logistische Regression
Wenn wir die Ränge der Mittelwerte kennen, ist es gültig, eine ordinale logistische Regression basierend auf diesen Rängen durchzuführen?
Ich bin mir nicht sicher, ob ich verstehe, was Sie fragen, aber die ordinale logistische Regression ist im Allgemeinen nur dann ein gültiger Ansatz, wenn es logisch ist, den Werten eine Reihenfolge aufzuerlegen Vor Ausführen des Modells, dh:
- Klein, Mittel, Groß: Die ordinale logistische Regression ist angemessen
- Lieferant A, Lieferant B, Lieferant C, Lieferant
Die ordinale logistische Regression ist nicht geeignet
Betreff: Widersprüchliche Rangfolge: Gruppenmittelwerte vs. nominale logistische RegressionDanke für Ihre Antwort.
Ich weiß bereits, dass die Reihenfolge der Kategorie bedeutet:
A
F1: Wenn ich jetzt eine ordinale logistische Regression durchführe, wird der P-Wert angezeigt
für die Likelihood-Quotienten-Tests liefern nützliche zusätzliche Informationen
über ANOVA hinaus?
F2: Ist es als Alternative zur ANOVA gültig, die P-Werte zu vergleichen?
unter allen möglichen Rankings? Ich möchte es besser verstehen
warum dies gültig ist oder nicht.
Danke, das sind meine letzten Fragen!
Tom
Betreff: Widersprüchliche Rangfolge: Gruppenmittelwerte vs. nominale logistische RegressionEs könnte nützlich sein, wenn Sie Ihre Analyse tatsächlich veröffentlichen könnten, damit wir besser wissen, wovon wir sprechen. Es kann auch nützlich sein, wenn Sie das interessierende Problem oder die Hypothese angeben können.
Falls die folgenden allgemeinen Kommentare für Sie immer noch Sinn machen, versuche ich in der Zwischenzeit, auf andere Weise zu sehen, ob es Ihnen helfen kann, das Problem in Ihren Händen zu verstehen.
Für Q1 ist hier ein Beispiel, das die Iris-Daten unter den JMP-Beispieldaten verwendet. Dies ist eine logistische Regression von Art ~ Kelchblattlänge. Was der p-Wert bedeutet, den ich im Screenshot hervorgehoben habe: Sepal kann erkennen, dass es Unterschiede zwischen drei Kategorien gibt. Aber das ist es, sonst nichts.
Weiter unten im Bericht befindet sich dieser Schätzungsbericht. Die p-Werte hier geben an, dass Setosa-gegen-Virginica und Versicolor-gegen-Virginica trennbar sind. Aber das ist es, mehr nicht. Keine Befehle.
Für Q2 bin ich mir nicht sicher, auf welchen Bericht Sie sich beziehen. Es folgt ein Screenshot von „All Pairs, Tukey’s HSD“
Um diesen Bericht zu interpretieren, sollten Sie sich diese Dokumentation ansehen: Alle paarweisen Vergleiche Diese Dokumentation befindet sich auf der Standard-Least-Squares-Plattform, aber die Ergebnisse entsprechen denen in Fit Y by X. (Zahlen können sich aufgrund von Reihenfolgeunterschieden durch Vorzeichen unterscheiden.)
Bitte lesen Sie den ersten Absatz der Dokumentation sorgfältig durch. Wenn Sie Paar für Paar vergleichen, haben verschiedene Statistiken unterschiedliche Bedeutungen. Insbesondere sollten Sie nach Wörtern wie „pairwise“ und „joint“ suchen. Dies hängt mit Mehrfachvergleichen zusammen. Und vielleicht möchten Sie diese Wiki-Seite lesen, um zu verstehen, warum die Wörter wichtig sind: Problem mit mehreren Vergleichen
