Il messaggio "La risposta deve avere almeno due livelli" compare quando si aggiunge una frequenza nella regressione logistica.CIAO,
Sto cercando di eseguire una regressione logistica con i dati di presenza/assenza di una specie come variabile di risposta (su diversi anni) e varie condizioni ambientali (ad esempio la temperatura) come predittori. Dispongo anche di dati di abbondanza (numero di individui contati ogni giorno in cui la specie era presente, zero se non ne è stato osservato nessuno, nullo se non è stato condotto alcun rilevamento), che vorrei includere come frequenza.
Posso eseguire un modello di regressione logistica senza problemi anche senza includere i dati di abbondanza. Tuttavia, quando includo i dati di abbondanza come frequenza (o come ponderazione - ho provato entrambi), ricevo l'errore "La variabile di risposta deve avere almeno due livelli".
Ho impostato la mia variabile di risposta come variabile nominale (0 per assente, 1 per presente e • per nullo, ovvero nessun sondaggio condotto). La colonna dei dati di abbondanza è impostata come continua e tutti i predittori sono continui.
Pensavo che il problema potesse risiedere nell'enorme quantità di valori nulli presenti nel dataset (la specie è attiva solo per pochi mesi all'anno, quindi non viene monitorata per la maggior parte del tempo). Tuttavia, ho riscontrato lo stesso errore anche escludendo tutti i valori nulli.
Per verificare se il problema si presentava specificamente con i dati di abbondanza, ho provato a inserire un valore irrilevante ma continuo (Anno di osservazione) come "frequenza" fittizia, e JMP non ha avuto problemi a eseguirlo.
Sto utilizzando JMP Student Edition 19.0.1.
Grazie in anticipo! 
~ Bobby
Analisi e modellazione di base dei datiOggetto: Il messaggio "La risposta deve avere almeno due livelli" compare quando si aggiunge una frequenza nella regressione logistica.Ciao @bobby : benvenuto nella community. Senza vedere i tuoi dati, posso solo fare delle ipotesi. Ma sembra che l'abbondanza sia sempre zero, sia in presenza che in assenza.
Oggetto: Il messaggio "La risposta deve avere almeno due livelli" compare quando si aggiunge una frequenza nella regressione logistica.Mostrare i dati renderebbe certamente molto più facile rispondere, ma qui farò delle ipotesi. Quando si usa l'abbondanza come frequenza o come peso, si limita la variabile di risposta (presenza o assenza) a zero quando l'abbondanza è zero (e mancante quando l'abbondanza è mancante, che verrà ignorata nella regressione logistica). Quindi, i valori di abbondanza che verranno utilizzati saranno solo quelli in cui è presente. Usare l'abbondanza come peso/frequenza sembra cancellare la variabile presenza/assenza, in modo che solo la presenza appaia come valore per la variabile di risposta.
Mi chiedo però come stiate trattando l'abbondanza. Non state forse cercando di prevedere l'abbondanza come una variabile continua, ma con un gran numero di zeri? Sembra quasi un problema di dati censurati, o quantomeno un problema in cui si vuole prevedere la dimensione della popolazione quando molti valori sono zero e gli altri rappresentano diversi livelli di una variabile continua. Mi è difficile suggerire il modo migliore per modellare questa situazione, ma non mi sembra che usare l'abbondanza come frequenza o peso sia la soluzione corretta.
Oggetto: Il messaggio "La risposta deve avere almeno due livelli" compare quando si aggiunge una frequenza nella regressione logistica.Ciao @MRB3855 , grazie! E sì, l'abbondanza è sempre zero per l'assenza.
Oggetto: Il messaggio "La risposta deve avere almeno due livelli" compare quando si aggiunge una frequenza nella regressione logistica.Ciao @dlehman , grazie! Purtroppo non sono sicuro di poter pubblicare i dati reali, quindi preferisco non rischiare, ma la tabella qui sotto è una simulazione del tipo di dati che ho (anche se ho molti più zeri e osservazioni nulle). Hai ragione riguardo ai dati sull'abbondanza: molti zeri e poi alcuni giorni con conteggi diversi da zero (essendo la variabile continua).
Per quanto riguarda il modello, i pesci iniziano a emergere in estate, ma le date esatte variano in base a fattori ambientali (così come la dimensione della popolazione una volta che i pesci sono emersi). Sto cercando di determinare quali fattori sono maggiormente correlati alla presenza dei pesci, con l'obiettivo finale di poter prevedere quando inizieranno a emergere. Pur non essendo interessato a prevedere la dimensione della popolazione, sto includendo l'abbondanza osservata come indicatore di quanti altri pesci emergono con il progredire della stagione, in modo da avere una rappresentazione più precisa della relazione effettiva tra l'emersione dei pesci e i fattori ambientali (nota a margine: i pesci osservati vengono raccolti, quindi non ci sono problemi di memoria). Spero di essermi spiegato bene - fatemi sapere se qualcosa non è chiaro! (Sono abbastanza nuovo nel campo della statistica :beaming_face_with_smiling_eyes:)
Mentre scrivevo, mi è venuto in mente che forse un modo per procedere potrebbe essere quello di ignorare la misura presenza/assenza e lavorare semplicemente con l'abbondanza? Il che richiederà comunque di gestire gli zeri in qualche modo, quindi farò qualche esperimento...
| Anno |
Mese |
Giorno |
Pesci presenti/assenti (1/0) |
Abbondanza ittica (numero di pesci osservati) |
Temperatura media giornaliera dell'acqua (°C) |
Temperatura cumulativa dell'acqua durante l'estate (°C) |
Profondità del torrente (m) |
| 2016 |
1 |
29 |
• |
• |
12.0 |
803.0 |
0,6 |
| 2016 |
1 |
30 |
0 |
0 |
12.8 |
815,8 |
0,6 |
| 2016 |
1 |
31 |
1 |
3 |
14.2 |
830.0 |
0,7 |
| 2016 |
2 |
1 |
1 |
7 |
14.7 |
844,7 |
0,7 |
| 2016 |
2 |
2 |
0 |
0 |
13.3 |
858,0 |
0,5 |
| 2016 |
2 |
3 |
1 |
2 |
14.1 |
872.1 |
0,7 |
| 2016 |
2 |
4 |
0 |
0 |
12.6 |
884,7 |
0,8 |
| 2016 |
2 |
5 |
• |
• |
12.9 |
897,6 |
0,6 |
| 2016 |
2 |
6 |
• |
• |
13.4 |
811.0 |
0,7 |
Oggetto: Il messaggio "La risposta deve avere almeno due livelli" compare quando si aggiunge una frequenza nella regressione logistica.Ciao @bobby ,
Benvenuto nella community!
@dlehman1 ha trovato il problema relativo alla tua situazione: quando si utilizza la colonna "abbondanza" come frequenza o peso, gli zeri presenti in questa colonna faranno sì che le righe in cui il pesce non è presente vengano escluse dall'adattamento della regressione logistica. È la stessa situazione che si verificherebbe se non avessi queste righe.
Consiglierei di suddividere il compito di modellazione in due:
- Innanzitutto, utilizzando solo la colonna assenza/presenza per individuare, tramite una regressione logistica, in quali condizioni i pesci sono presenti o assenti.
- In secondo luogo, nei casi in cui si osservano i pesci, si può provare a modellare il numero di pesci (probabilmente con una regressione generalizzata di Poisson, dato che si tratta di conteggi).
Forse i due compiti potrebbero essere svolti in uno solo se si prevede solo l'abbondanza di pesci (numero di pesci) con una distribuzione di Poisson (con inflazione di zeri) per gestire sia i conteggi pari a zero che quelli diversi da zero.
Credo che i due approcci di modellazione (regressione logistica e regressione di Poisson) rispondano a domande leggermente diverse: quali sono le condizioni che consentono la presenza di pesci (regressione logistica) rispetto a come le diverse condizioni possono aumentare la presenza di pesci (regressione di Poisson).
Spero che questa risposta ti sia d'aiuto.
