Ottenere il coefficiente per gli effetti principali in una variabile ordinale - regressione minima quadraticaCiao, ho una variabile ordinale (alfabetizzazione sanitaria, con 5 livelli). La sto testando su una variabile dipendente continua usando una regressione dei minimi quadrati. L'output mi fornisce i beta per ogni livello della mia variabile ordinale, ma come ottengo l'effetto principale su tutti i livelli della variabile ordinale, come SPSS fornisce un coefficiente principale su tutti i livelli della variabile ordinale?
macOSRe: Ottenere il coefficiente per gli effetti principali in una variabile ordinale - regressione minima quadraticaLa codifica degli effetti utilizzata in JMP determina che la somma degli effetti di tutti i livelli sia pari a zero, se ho capito bene la tua domanda. Puoi ottenere il test complessivo per il termine ordinale sotto le stime dei parametri.
Re: Ottenere il coefficiente per gli effetti principali in una variabile ordinale - regressione minima quadraticaGrazie, esiste un coefficiente (beta) associato al termine generale "alfabetizzazione sanitaria ispanica"? Quando eseguo le statistiche in SPSS, mi viene fornito un singolo coefficiente beta per l'alfabetizzazione sanitaria ispanica (invece che per i suoi 5 livelli, che posso vedere in .jmp sotto le stime espanse).
Qualche consiglio su come ottenere quel singolo beta per l'effetto principale complessivo? Come qui nello screenshot, posso ottenere un singolo beta invece di uno associato a ciascuno dei livelli della variabile?
Re: Ottenere il coefficiente per gli effetti principali in una variabile ordinale - regressione minima quadraticaPuoi mostrarmi lo stesso output da SPSS?
Quale parametrizzazione utilizza SPSS per il tuo modello? Ecco cosa fa JMP ( fattori nominali e fattori ordinali ), quindi non ha senso (per me) avere un singolo coefficiente. Ho cercato esempi di output SPSS per modelli con fattori categoriali. Nessuno di essi mostra un singolo parametro per tali predittori.
Re: Ottenere il coefficiente per gli effetti principali in una variabile ordinale - regressione minima quadraticaMi chiedo se SPSS stia trattando la variabile ordinale come continua. In tal caso, è possibile ottenere lo stesso comportamento da JMP facendo clic con il pulsante destro del mouse sulla variabile "Health Literacy" nel pannello "Colonne" della tabella dati e selezionando "Continuo". Quindi, ripetere il passaggio per adattare la regressione ai minimi quadrati. È necessario assicurarsi di voler presupporre che i dati siano continui anziché trattarli come ordinali.
Migliore,
~Laura
Re: Ottenere il coefficiente per gli effetti principali in una variabile ordinale - regressione minima quadraticaI livelli fattoriali nell'immagine della sua analisi non sono numerici, quindi non possono essere trattati come continui. Dovrebbero prima essere ricodificati in un numero (il tipo di dato è numerico) prima di trasformarli in un fattore continuo (il tipo di modello è continuo).
Re: Ottenere il coefficiente per gli effetti principali in una variabile ordinale - regressione minima quadraticaL'importazione di dati da SPSS spesso comporta la creazione di etichette di valore, come:
In tal caso, sarà sufficiente passare a "Continuo", ma se non sono presenti etichette di valore, sarà necessario prima ricodificare un numero.
Re: Ottenere il coefficiente per gli effetti principali in una variabile ordinale - regressione minima quadraticaOK, capito, SPSS lo tratta come una variabile continua e mi fornisce un singolo coefficiente per l'alfabetizzazione sanitaria. Ho ricodificato i livelli come 1, 2, 3, 4, 5 e .jpm ha fatto lo stesso - è un'altra questione se "dovrei" usarla come variabile continua... ma questo aiuta! Capito!! Grazie a tutti!
Re: Ottenere il coefficiente per gli effetti principali in una variabile ordinale - regressione minima quadraticaDovresti trattare il fattore come continuo se i livelli ordinati hanno senso nella tua interpretazione del problema. Questo metodo presuppone che la differenza tra tutti i livelli sia la stessa. Ovvero, si tratta di una variazione uniforme nell'intervallo tra il primo e il secondo, tra il secondo e il terzo, e così via. Il parametro stimato è la pendenza lineare, ovvero la variazione nella risposta per variazione unitaria del fattore sull'intero dominio di X. Questa ipotesi influenza anche l'interpretazione dell'errore standard della stima e del test t per la pendenza. Se non credi e non riesci a giustificare intervalli così uniformi tra i livelli, allora, anche se puoi stimare questa pendenza, probabilmente non dovresti farlo.
