Obtenir le coefficient des effets principaux dans une variable ordinale - régression des moindres carrésBonjour, j'ai une variable ordinale (littératie en santé, avec 5 niveaux). Je la teste par rapport à une variable dépendante continue à l'aide d'une régression des moindres carrés. Le résultat me donne des bêtas pour chaque niveau de mon ordinal, mais comment obtenir l'effet principal sur tous les niveaux de l'ordinal, comme SPSS qui fournit un coefficient principal sur tous les niveaux de la variable ordinale ?
macOSRé : Obtenir le coefficient des effets principaux d'une variable ordinale – régression des moindres carrésSi je comprends bien votre question, le codage des effets utilisé dans JMP aboutit à une somme nulle des effets de tous les niveaux. Vous pouvez obtenir le test global pour le terme ordinal sous les estimations des paramètres.
Ré : Obtenir le coefficient des effets principaux d'une variable ordinale – régression des moindres carrésMerci, existe-t-il un coefficient bêta associé au terme général « alphabétisation en santé des Hispaniques » ? Lorsque j'exécute les statistiques dans SPSS, un seul coefficient bêta est obtenu pour l'alphabétisation en santé des Hispaniques (au lieu de cinq niveaux, comme indiqué dans le fichier .jmp sous « estimations étendues »).
Avez-vous des conseils pour obtenir ce bêta unique pour l'effet principal global ? Comme dans la capture d'écran, puis-je obtenir un bêta unique au lieu d'un bêta associé à chaque niveau de la variable ?
Ré : Obtenir le coefficient des effets principaux d'une variable ordinale – régression des moindres carrésPouvez-vous me montrer le même résultat à partir de SPSS ?
Quelle paramétrisation SPSS utilise-t-il pour votre modèle ? JMP utilise des facteurs nominaux et ordinaux , ce qui fait qu'un coefficient unique ne me semble pas pertinent. J'ai cherché des exemples de résultats SPSS pour des modèles à facteurs catégoriels. Aucun d'entre eux ne présente un paramètre unique pour ces prédicteurs.
Ré : Obtenir le coefficient des effets principaux d'une variable ordinale – régression des moindres carrésJe me demande si SPSS traite la variable ordinale comme une variable continue. Si c'est le cas, vous pouvez obtenir le même comportement avec JMP en faisant un clic droit sur la variable de littératie en santé sous le panneau « Colonnes » du tableau de données et en sélectionnant « Continu ». Répétez ensuite l'étape pour ajuster votre régression des moindres carrés. Assurez-vous de faire l'hypothèse que les données sont continues plutôt que de les traiter comme ordinales.
Meilleur,
~Laura
Ré : Obtenir le coefficient des effets principaux d'une variable ordinale – régression des moindres carrésLes niveaux de facteurs représentés dans son analyse ne sont pas numériques ; ils ne peuvent donc pas être considérés comme continus. Il faudrait d'abord les recoder en nombre (le type de données est numérique) avant de les transformer en facteur continu (le type de modèle est continu).
Ré : Obtenir le coefficient des effets principaux d'une variable ordinale – régression des moindres carrésL'importation de données depuis SPSS conduit souvent à la création d'étiquettes de valeur, telles que :
Si tel est le cas, il suffira de passer à « Continu », mais s'il n'y a pas d'étiquettes de valeur, il faudra d'abord recoder en un nombre.
Ré : Obtenir le coefficient des effets principaux d'une variable ordinale – régression des moindres carrésOK, j'ai compris. SPSS le traite comme une variable continue et me donne un coefficient unique pour la littératie en santé. J'ai recodé les niveaux comme 1, 2, 3, 4, 5 et .jpm a fait de même. La question est de savoir si je « devrais » l'utiliser comme variable continue… mais ça aide ! Compris ! Merci à tous !
Ré : Obtenir le coefficient des effets principaux d'une variable ordinale – régression des moindres carrésVous devez considérer le facteur comme continu si les niveaux ordonnés sont cohérents avec votre interprétation du problème. Cette méthode suppose que la différence entre tous les niveaux est la même. Autrement dit, il s'agit d'une variation uniforme de l'intervalle entre le premier et le deuxième, le deuxième et le troisième, et ainsi de suite. Le paramètre estimé est la pente linéaire, ou variation de la réponse par unité de variation du facteur sur l'ensemble du domaine de X. Cette hypothèse influence également l'interprétation de l'erreur type de l'estimation et du test t pour la pente. Si vous ne croyez pas à de tels intervalles uniformes entre les niveaux et ne pouvez pas les justifier, même si vous pouvez estimer cette pente, vous ne devriez probablement pas le faire.
