Interpretation der Ausgabe der multinomialen logistischen RegressionIch verwende einen Mac-Computer mit JMP Pro 16.0.0
Ich habe ein Experiment, bei dem ich drei Werkzeugtiefen und drei Werkzeuggeschwindigkeiten in einem vollfaktoriellen Design getestet habe. Meine Antwortvariablen sind Bewertungskategorien für den Grad der Störung künstlicher Unkräuter. Die Kategorien sind entwurzelt, gestört, begraben, teilweise gestört und ungestört. Ich verwende eine multinomiale logistische Regression in JMP, um diese Daten zu analysieren. Mein Anpassungsmodell ist: Bewertungskategorie als meine Antwortvariable und ich habe Werkzeugtiefe, Geschwindigkeit und Werkzeugtiefe*Geschwindigkeit als meine festen Effekte. Ich sehe, dass mein Likelihood-Ratio-Test sowohl für die Haupteffekte als auch für die Interaktion von Bedeutung ist. Meine Frage bezieht sich auf das Verständnis der Ausgabe meiner Parameterschätzungen. Ich kann mein Lin[entwurzelt], Lin[gestört] usw. aus der Kontingenztabelle berechnen, aber nicht aus den Parameterschätzungen.
Ich muss verstehen, wie ich meine p-Werte in Sätze aus meiner Tabelle mit Parameterschätzungen einfüge und wie ich meine logarithmischen Quoten aus derselben Tabelle berechne, damit ich verstehe, was der Test mir sagt. Zum besseren Verständnis habe ich meinen Datensatz unten angehängt.
Datenexploration und -visualisierungMac OSBetreff: Interpretation der Ausgabe der multinomialen logistischen RegressionOkay, ich verstehe, wie die Parameterschätzungen verwendet werden. Jetzt verstehe ich, woher die Gleichung kommt. Das hilft sehr, vielen Dank, das weiß ich zu schätzen. Ich werde auch mehr mit dem Profiler erkunden.
Betreff: Interpretation der Ausgabe der multinomialen logistischen RegressionNEIN. Die Tabelle „Parameterschätzungen“ testet jede Schätzung anhand der Nullhypothese, dass der wahre Parameter gleich Null ist. Das ist alles, was es Ihnen sagt.
Sie können andere Informationen verwenden, um die Bedeutung dieser Effekte zu interpretieren. Mit dem Prediction Profiler können Sie beispielsweise die Einstellungen ändern und die aktualisierte vorhergesagte Wahrscheinlichkeit für jede der Antwortstufen anzeigen. Ich habe kein Beispiel wie Ihres. Ich habe Big Class verwendet und das nominale Antwortalter an die kontinuierlichen Gewichts- und Größenprädiktoren angepasst. Hier ist der Profiler für dieses Modell:
Sie können die Wahrscheinlichkeitsformeln auch speichern. JMP speichert den linearen Prädiktor, die transformierten Wahrscheinlichkeiten und das wahrscheinlichste Niveau angesichts der Wahrscheinlichkeiten. Hier ist die Gruppe der linearen Prädiktoren für die Log-Quoten.
Hier ist die Formel für den ersten linearen Prädiktor:
Die Zahlen sind die Parameterschätzungen. Die nächste Gruppe von Formelspalten wandelt die logarithmischen Quoten zurück in Wahrscheinlichkeiten um:
Hier ist die Formel für die erste Wahrscheinlichkeitstransformation:
Schließlich ist das vorhergesagte Antwortniveau das Antwortniveau mit der höchsten Wahrscheinlichkeit:
Betreff: Interpretation der Ausgabe der multinomialen logistischen RegressionIch werde versuchen, meine Frage neu zu formulieren. Ich brauche Hilfe beim Aufschlüsseln der Parameterschätzungstabelle, wenn ich Effekte auf zwei oder drei Ebenen und eine Interaktion habe. In der Spalte „Begriff“ habe ich beispielsweise eine Werkzeugtiefe (30 mm) und einen signifikanten p-Wert. Bedeutet das, dass sich alle drei Geschwindigkeiten, die eine Tiefe von 30 mm enthalten, im Vergleich zu einer Tiefe von 10 mm, die alle drei Geschwindigkeiten für die Bewertung „Gestört/Ungestört“ enthält, erheblich unterscheiden? Darüber hinaus habe ich in der Spalte „Begriff“ eine Werkzeugtiefe von 30 mm x eine Geschwindigkeit von 1,1 m/s als Bedeutung angegeben. Bedeutet das, dass sich eine Werkzeugtiefe von 30 mm bei einer Geschwindigkeit von 1,1 m/s deutlich von einer Werkzeugtiefe von 10 mm und einer Geschwindigkeit von 0,89 unterscheidet? m/s für gestörte/ungestörte Wertung? Ich habe ein Foto beigefügt, das diesen Tisch zeigt.
Betreff: Interpretation der Ausgabe der multinomialen logistischen RegressionJa, ich habe die Option „Wahrscheinlichkeitsformel speichern“ verwendet und kann daraus meine Log-Quoten erhalten. Allerdings hätte ich gerne den zugehörigen p-Wert mit den Log-Quoten aus den Parameterschätzungen.
Betreff: Interpretation der Ausgabe der multinomialen logistischen RegressionHaben Sie versucht, das Modell als eine Reihe von Formeln zu speichern?
