Nominale logistische RegressionFür meine Masterarbeit zum Thema Schlafapnoe möchte ich ein Modell erstellen. Im ersten Schritt möchte ich mithilfe nominaler logistischer Regressionen herausfinden, welche Parameter signifikant sind. Allerdings tue ich mich bei der Interpretation der Ergebnisse schwer. Kann mir jemand dabei helfen?
Die folgenden Bilder zeigen das Ergebnis von
1) Nominales logistisches Fitmodell einer kategorialen Variable (Kenntnisse CPAP: ja/nein) und einer kontinuierlichen Variable (BMI)
2) Nominales logistisches Fir-Modell einer kategorialen Variable (Wissen MMA: ja/nein) und einer 2. kategorialen Variable (ESS mit 4 Niveaus)
Schließlich werden Parameterschätzungen bestimmter Ergebnisse als „instabil“ gekennzeichnet. Was bedeutet das?
Dank im Voraus!
Datenexploration und -visualisierungQualitäts- und ProzesstechnikErgebnisse teilen und kommunizierenBetreff: Nominale logistische Regression@PV1
Die JMP-Dokumentation ist eine großartige Anlaufstelle, um sich ein grundlegendes Verständnis dieser Berichte anzueignen. Hier ist der Link zum Logistic Fit Report
Eine schnelle Möglichkeit, auf die Dokumentation zuzugreifen, ist die Verwendung des "?" im Werkzeugmenü. Dies ist eines meiner Lieblingswerkzeuge, wenn ich etwas Neues lerne.
Wenn sich Ihr Cursor in das ? ändert, bewegen Sie den Mauszeiger über ein beliebiges Berichtsfenster (es wird blau). Klicken Sie auf den Bericht und ein neues Browserfenster wird geöffnet, das Sie zur Dokumentation führt, die diesen Bericht beschreibt.
Betreff: Nominale logistische RegressionWie vertraut sind Sie mit der logistischen Regression? Was ist für Sie in den Berichten schwer zu interpretieren?
Können Sie in Bezug auf die Angabe instabiler Schätzungen die Ausgabe für einen solchen Fall teilen?
Betreff: Nominale logistische RegressionUm ehrlich zu sein, nicht sehr vertraut. Ich habe schon versucht, eine Reihe von Dingen herauszufinden, verstehe aber einfach nicht, wie ich die Ergebnisse interpretieren soll.
Beispielsweise sind im Beispiel mit den 2 kategorialen Variablen die Kategorien niedriger als normal und normal signifikant, aber was genau bedeutet das? Dass das Wissen über CPAP zwischen diesen Gruppen unterschiedlich ist? Oder innerhalb der Gruppen selbst? Ich bin mir nicht sicher, wie ich diese Ergebnisse interpretieren soll.
Für das andere Beispiel habe ich das gleiche Problem. Das Ergebnis ist signifikant. Das Zielniveau ist auf „Nein“ eingestellt, das bedeutet, dass diese Personen keine Kenntnisse über CPAP haben. Was sagt dies über die Beziehung zwischen diesen beiden Parametern aus?
Bezüglich der "instabilen Ergebnisse" habe ich eine Ausgabe hinzugefügt.
Vielen Dank im Voraus!
Betreff: Nominale logistische RegressionWussten Sie, dass Sie bei der nominalen logistischen Regression das Log (Odds Ratio) = das lineare Modell modellieren? Das Chancenverhältnis ist das Verhältnis der Chancen von Knowledge CPAP = ja zu den Chancen von Knowledge CPAP = nein. Die Quoten wiederum sind das Verhältnis der Wahrscheinlichkeiten für die beiden Ergebnisse. Daher sind die Koeffizienten möglicherweise nicht direkt interpretierbar. Sie können die Vorhersageformeln speichern und eine Reihe neuer Datenspalten mit Formeln anzeigen. Die ersten Formeln sind der lineare Prädiktor. Die zweiten Formeln sind das inverse Logarithmus (Odds Ratio) oder Wahrscheinlichkeiten. Der Prediction Profiler für die Wahrscheinlichkeiten ist möglicherweise die einfachste Art, das Modell zu interpretieren.
Gibt es einen Grund, warum Sie in Ihrem Modell nicht alle Prädiktoren gleichzeitig verwendet haben?
Können Sie ein Diagramm der Verteilung von Knowledge CPAP und PSS10 CAT zeigen? Es kann hilfreich sein, Fit Y by X mit Knowledge CPAP in der Y-Rolle und PSS10 CAT in der X-Rolle zu starten. Sie sollten die Contingency-Plattform auf diese Weise starten. Mal sehen, was die Zellenzahlen in der Kontingenztabelle sind.
