Ermitteln des Koeffizienten für Haupteffekte in einer ordinalen Variable – Least-Sq-RegressionHallo, ich habe eine Ordinalvariable (Gesundheitskompetenz mit 5 Stufen). Ich teste sie mithilfe einer Kleinstquadrate-Regression gegen eine kontinuierliche abhängige Variable. Die Ausgabe liefert mir Betawerte für jede Stufe meiner Ordinalvariable. Wie erhalte ich aber den Haupteffekt über alle Stufen der Ordinalvariable, so wie SPSS einen Hauptkoeffizienten über alle Stufen der Ordinalvariable liefert?
macOSBetreff: Ermitteln des Koeffizienten für Haupteffekte in einer ordinalen Variable – Least-Sq-RegressionDie in JMP verwendete Effektkodierung ergibt, wenn ich Ihre Frage richtig verstehe, die Summe der Effekte aller Stufen gleich Null. Den Gesamttest für den Ordinalterm finden Sie unterhalb der Parameterschätzungen.
Betreff: Ermitteln des Koeffizienten für Haupteffekte in einer ordinalen Variable – Least-Sq-RegressionDanke. Gibt es einen Koeffizienten (Beta), der mit dem Oberbegriff „Gesundheitskompetenz der Hispanics“ verknüpft ist? Wenn ich die Statistiken in SPSS ausführe, erhalte ich einen einzigen Beta-Koeffizienten für die Gesundheitskompetenz der Hispanics (anstatt für ihre fünf Stufen, die ich in der JMP-Datei unter „Erweiterte Schätzungen“ sehen kann).
Gibt es Tipps, wie ich diese einzelne Beta für den gesamten Haupteffekt erhalte? Kann ich, wie hier im Screenshot, eine einzelne Beta erhalten, anstatt eine, die mit jeder der Ebenen der Variablen verknüpft ist?
Betreff: Ermitteln des Koeffizienten für Haupteffekte in einer ordinalen Variable – Least-Sq-RegressionKönnen Sie mir die gleiche Ausgabe von SPSS zeigen?
Welche Parametrisierung verwendet SPSS für Ihr Modell? JMP verwendet die folgenden Faktoren (nominale und ordinale Faktoren ). Daher ergibt es (für mich) keinen Sinn, nur einen Koeffizienten zu verwenden. Ich habe nach Beispielen für SPSS-Ausgaben für Modelle mit kategorialen Faktoren gesucht. Keines davon zeigt einen einzelnen Parameter für solche Prädiktoren.
Betreff: Ermitteln des Koeffizienten für Haupteffekte in einer ordinalen Variable – Least-Sq-RegressionIch frage mich, ob SPSS die ordinale Variable als kontinuierlich behandelt? Falls ja, können Sie dasselbe Ergebnis auch in JMP erzielen, indem Sie in der Datentabelle im Spaltenbereich mit der rechten Maustaste auf die Variable „Gesundheitskompetenz“ klicken und „Kontinuierlich“ auswählen. Wiederholen Sie anschließend den Schritt, um Ihre Kleinstquadrate-Regression anzupassen. Sie sollten darauf achten, dass die Daten kontinuierlich sind und nicht als ordinal behandelt werden.
Am besten,
~Laura
Betreff: Ermitteln des Koeffizienten für Haupteffekte in einer ordinalen Variable – Least-Sq-RegressionDie Faktorstufen in seiner Analyse sind nicht numerisch und können daher nicht als kontinuierlich behandelt werden. Sie müssten zunächst in eine Zahl umkodiert werden (Datentyp ist numerisch), bevor sie zu einem kontinuierlichen Faktor werden (Modelltyp ist kontinuierlich).
Betreff: Ermitteln des Koeffizienten für Haupteffekte in einer ordinalen Variable – Least-Sq-RegressionBeim Importieren von Daten aus SPSS werden häufig Wertelabels erstellt, beispielsweise:
In diesem Fall genügt eine Änderung auf „Kontinuierlich“. Wenn jedoch keine Wertebezeichnungen vorhanden sind, muss zunächst eine Umkodierung in eine Zahl vorgenommen werden.
Betreff: Ermitteln des Koeffizienten für Haupteffekte in einer ordinalen Variable – Least-Sq-RegressionOK, verstanden. SPSS behandelt es als kontinuierliche Variable und gibt mir einen einzigen Koeffizienten für Gesundheitskompetenz. Ich habe die Stufen als 1, 2, 3, 4 und 5 umkodiert, und .jpm hat dasselbe getan – es ist eine andere Frage, ob ich es als kontinuierliche Variable verwenden „sollte“ … aber das hilft! Verstanden! Danke euch allen!
Betreff: Ermitteln des Koeffizienten für Haupteffekte in einer ordinalen Variable – Least-Sq-RegressionSie sollten den Faktor als kontinuierlich behandeln, wenn die geordneten Stufen für Ihre Probleminterpretation sinnvoll sind. Diese Methode setzt voraus, dass die Differenz zwischen allen Stufen gleich ist. Das heißt, es handelt sich um eine gleichmäßige Änderung des Intervalls zwischen der ersten und der zweiten, der zweiten und der dritten usw. Der geschätzte Parameter ist die lineare Steigung bzw. die Änderung der Antwort pro Einheitsänderung des Faktors über den gesamten Definitionsbereich von X. Diese Annahme beeinflusst auch die Interpretation des Standardfehlers der Schätzung und des t-Tests für die Steigung. Wenn Sie solche gleichmäßigen Intervalle zwischen den Stufen nicht glauben und nicht begründen können, sollten Sie dies wahrscheinlich nicht tun, auch wenn Sie diese Steigung schätzen können.
