Hallo,
Ich habe eine multinomiale logistische Regression mit 3 Klassen: 0, 1 und 2 und habe zugehörige Einzelmodelle (über „Y an X anpassen“) für N Parameter.
Ich beschäftige mich gerade mit einer Sensitivitätsstudie, in der jeder Parameter auf bestimmten Ebenen angenommen wird (z. B. bei Minimum, Maximum usw.). Ich habe Wahrscheinlichkeiten für jede dieser Parameterebenen berechnet. Ich möchte die Wahrscheinlichkeitsänderung in jeder Klasse (0, 1 und 2) aufgrund jeder dieser Parameteraktionen nach Rangfolge ordnen, was auch einfach ist.
Offensichtlich wird jede Wahrscheinlichkeit aus Lin-Funktionen berechnet (in diesem Fall sind beide Funktionen linear) – jede Linie mit spezifischem p-Wert für Steigungen und Schnittpunkte. Was ist die empfohlene und/oder schnellste Methode, um eine Art Konfidenzniveau der Wahrscheinlichkeit für die ausgewählten Parameter zu berechnen?
An diesem Punkt habe ich eher skalare Daten aus meiner ursprünglichen Population – skalare Daten für jeden Parameter mit den zugehörigen Formeln Lin[Y] und Prob[Z] mit Populationsstatistiken … Ich denke, ich hätte Parameteränderungen auf meine ursprünglichen Populationsdaten anwenden und mir dann das Konfidenzintervall aus Wahrscheinlichkeitsverteilungen ansehen sollen (ich vermute, das wird Ihre Antwort sein) … Ich hatte gehofft, dass es vielleicht einen anderen Weg gegeben hätte – vielleicht eine explizite Formel – über ein Skript.
Danke im Voraus für Ihre Hilfe.
