Obtención del coeficiente de los efectos principales en una variable ordinal: regresión de mínimos cuadradosHola, tengo una variable ordinal (alfabetización en salud, con 5 niveles). La estoy comparando con una variable dependiente continua mediante una regresión de mínimos cuadrados. El resultado me proporciona betas para cada nivel de mi variable ordinal, pero ¿cómo puedo obtener el efecto principal en todos los niveles de la variable ordinal, como si SPSS proporcionara un coeficiente principal para todos los niveles de la variable ordinal?
macOSRe: Obtención del coeficiente de los efectos principales en una variable ordinal: regresión de mínimos cuadradosLa codificación de efectos utilizada en JMP da como resultado que la suma de los efectos de todos los niveles sea igual a cero, si entiendo bien su pregunta. Puede obtener la prueba general para el término ordinal debajo de las estimaciones de los parámetros.
Re: Obtención del coeficiente de los efectos principales en una variable ordinal: regresión de mínimos cuadradosGracias, ¿existe algún coeficiente (beta) asociado con el término general "alfabetización en salud de los hispanos"? Al ejecutar las estadísticas en SPSS, me arroja un único coeficiente beta para la alfabetización en salud de los hispanos (en lugar de sus 5 niveles, que puedo ver en .jmp, en las estimaciones expandidas).
¿Algún consejo para conseguir esa beta única para el efecto principal general? Como en la captura de pantalla, ¿puedo conseguir una sola beta en lugar de una asociada a cada nivel de la variable?
Re: Obtención del coeficiente de los efectos principales en una variable ordinal: regresión de mínimos cuadrados¿Puedes mostrarme el mismo resultado de SPSS?
¿Qué parametrización utiliza SPSS para su modelo? Esto es lo que hace JMP ( factores nominales y ordinales ), por lo que no me parece lógico tener un único coeficiente. Busqué ejemplos de resultados de SPSS para modelos con factores categóricos. Ninguno muestra un único parámetro para dichos predictores.
Re: Obtención del coeficiente de los efectos principales en una variable ordinal: regresión de mínimos cuadradosMe pregunto si SPSS trata la variable ordinal como continua. De ser así, puede obtener el mismo resultado con JMP haciendo clic derecho en la variable de alfabetización en salud, en el panel "Columnas" de la tabla de datos, y seleccionando "Continuo". Luego, repita el paso para ajustar la regresión de mínimos cuadrados. Asegúrese de asumir que los datos son continuos en lugar de tratarlos como ordinales.
Mejor,
~Laura
Re: Obtención del coeficiente de los efectos principales en una variable ordinal: regresión de mínimos cuadradosLos niveles factoriales en la imagen de su análisis no son numéricos, por lo que no pueden considerarse continuos. Deberían recodificarse primero a un número (el tipo de dato es numérico) antes de convertirlos en un factor continuo (el tipo de modelo es continuo).
Re: Obtención del coeficiente de los efectos principales en una variable ordinal: regresión de mínimos cuadradosLa importación de datos de SPSS a menudo conduce a la creación de etiquetas de valores, como:
Si este es el caso, simplemente cambiar a "Continuo" será suficiente, pero si no hay etiquetas de valores, será necesario recodificar primero a un número.
Re: Obtención del coeficiente de los efectos principales en una variable ordinal: regresión de mínimos cuadradosVale, lo entiendo. SPSS lo trata como una variable continua y me da un único coeficiente para la alfabetización en salud. Recodifiqué los niveles como 1, 2, 3, 4 y 5 y .jpm hizo lo mismo. Es otra cuestión si "debería" usarlo como variable continua... ¡pero eso ayuda! ¡Entendido! ¡Gracias a todos!
Re: Obtención del coeficiente de los efectos principales en una variable ordinal: regresión de mínimos cuadradosDebe tratar el factor como continuo si los niveles ordenados tienen sentido en su interpretación del problema. Este método supone que la diferencia entre todos los niveles es la misma. Es decir, se trata de un cambio uniforme en el intervalo entre el primero y el segundo, el segundo y el tercero, y así sucesivamente. El parámetro que se estima es la pendiente lineal, o el cambio en la respuesta por unidad de cambio en el factor en todo el dominio de X. Esta suposición también afecta la interpretación del error estándar de la estimación y la prueba t para la pendiente. Si no cree ni puede justificar estos intervalos uniformes entre niveles, entonces, aunque pueda estimar esta pendiente, probablemente no debería hacerlo.
