矛盾するランキング：グループ平均 vs 名目ロジスティック回帰4つのカテゴリがあり、それぞれに1000件（連続）の回答があります。平均回答の順位はA < B < C << Dです。名義ロジスティック回帰によって得られた順位はA < C < B << Dです。（平均値BとCの差は1.64%です。）名義ロジスティック回帰は異なる順位の尤度比に基づいていることは理解していますが、従属変数と独立変数を入れ替えると、つまり回答をf（カテゴリ）とした場合とカテゴリをf（回答）とした場合で、同じデータセットで異なる順位が得られるのは、いまだに理解できません。
高度な統計モデリング基本的なデータ分析とモデリング消費者・市場調査データの探索と可視化予測モデリングと機械学習品質およびプロセスエンジニアリングRe: 矛盾したランキング: グループ平均とノミナル ロジスティック回帰「名義ロジスティック回帰で得られた次数」の意味がよくわかりません。
しかし、一般的に、ここには 2 つのモデルがあります。 両者からどのように結論を導き出すかに関係なく、両者は一致する必要はありません。 ただし、それぞれを検証して、どちらがより信頼できるか、どちらでもないかを判断する必要があります。
1 つの質問: B と C の違いが 1 つのモデルで有意かどうか。 そうでない場合は、そのモデルによると順序が決定的ではないため、議論の余地はありません。Re: 矛盾したランキング: グループ平均とノミナル ロジスティック回帰有益なコメントをありがとうございます。
同様のデータセットからの別の例を次に示します (カテゴリごとに 250 の回答)。
サンプルの意味: A < B < C << D. (D は A または B よりも有意に高い)。
公称 logreg: B < C < A < D.
名義回帰は、順序情報なしでカテゴリを並べ替えます。
したがって、カテゴリの順位については、応答が従属変数の場合、最初の順位が得られます。
しかし、回答に基づいてカテゴリの順序を取得しようとすると、2 番目のランキングになります。
この 2 つのモデルが一致しない理由は、私には明らかではありません。
Re: 矛盾したランキング: グループ平均とノミナル ロジスティック回帰「名義ロジスティック回帰によって得られた順序」の意味を説明していません。 これが私の推測ですが、次のスクリーンショットのようにロジスティックプロットに表示された順序を意味しますか?
もしそうなら、あなたはこのプロットについて誤解しています。 これらのラベルはアルファベット順に並べられています。 前述したように、「公称」とは順序がないことを意味します。 ノミナルロジスティック回帰から何らかの順序を結論付けた場合、それは何らかの確率尺度であるに違いないと私は信じています。 そして、あなたのケースがそのようなタイプだとは思いません。
Re: 矛盾したランキング: グループ平均とノミナル ロジスティック回帰私の誤解を正していただき、誠にありがとうございました。 よろしければ、フォローアップの質問が 1 つあります。 平均のランクがわかっている場合、それらのランクに基づいて順序ロジスティック回帰を実行することは有効ですか? 再度、感謝します、
トム
Re: 矛盾したランキング: グループ平均とノミナル ロジスティック回帰
平均のランクがわかっている場合、それらのランクに基づいて順序ロジスティック回帰を実行することは有効ですか?
あなたが何を求めているのか理解できませんが、順序ロジスティック回帰は、値に順序を課すことが論理的である場合にのみ有効なアプローチです。前モデルの実行、つまり:
- 小、中、大: 順序ロジスティック回帰が適切
- サプライヤー A、サプライヤー B、サプライヤー C、サプライヤー
順序ロジスティック回帰は適切ではありません
Re: 矛盾したランキング: グループ平均とノミナル ロジスティック回帰返信してくれてありがとう。
カテゴリの順序が次のことを意味することは既に知っています。
A < B < C < D.
Q1: ここで、順序ロジスティック回帰を実行すると、P 値は
尤度比検定は有用な追加情報を提供します
ANOVAを超える？
Q2: ANOVA の代わりに、P 値を比較することは有効ですか?
すべての可能なランキングの中で？ もっとよく理解したい
なぜこれが有効なのか、有効でないのか。
ありがとう、これらは私の最後の質問です！
トム
Re: 矛盾したランキング: グループ平均とノミナル ロジスティック回帰実際に分析を投稿していただけると、私たちが話していることについてよりよく知ることができるので、役立つかもしれません. また、関心のある問題や仮説を述べることができる場合にも役立ちます。
それまでの間、以下の一般的なコメントがまだ理解できる場合に備えて、別の方法で問題を理解するのに役立つかどうかを確認しています.
Q1は、JMPサンプルデータのうち、アイリスデータを使った例です。 これは、種 ~ がく片の長さのロジスティック回帰です。 スクリーンショットで強調表示した p 値が意味すること: Sepal は、3 つのカテゴリ間に違いがあることを認識できます。 しかし、それだけです。
レポートのさらに下に、この見積もりレポートがあります。 ここでの p 値は、setosa-vs-virginica と versicolor-vs-virginica が分離可能であることを示しています。 しかし、それだけです。 注文はありません。
Q2 については、どのレポートを参照されているかわかりません。 以下は、「すべてのペア、Tukey の HSD」のスクリーンショットです。
このレポートを解釈するには、次のドキュメントを参照してください。すべてのペアワイズ比較このドキュメントは Standard Least Squares プラットフォームの下にありますが、結果は Fit Y by X のものと同等です (順序の違いにより、数字は符号によって異なる場合があります)。
ドキュメントの最初の段落を注意深く読んでください。 ペアごとに比較すると、異なる統計には異なる意味があります。 特に、「pairwise」や「joint」などの単語を探す必要があります。 これは多重比較に関連しています。 そして、この wiki ページを読んで、言葉が重要な理由を理解することをお勧めします。多重比較問題
