假设我们有序数响应和我们认为的一组变量将解释。然后,我们对(响应)进行(设计矩阵)的有序逻辑回归。
假设的估计系数称为,在有序logistic回归中为。如何解释的优势比(OR)?β 1 - 0.5 Ë - 0.5 = 0.607
我说“在一个增加1个单位,其他条件不变,观察的几率是观察的时间赔率,并在相同的变化,观察的几率是观察的时间赔率 “?
在我的教科书或Google中找不到负系数解释的任何示例。
假设我们有序数响应和我们认为的一组变量将解释。然后,我们对(响应)进行(设计矩阵)的有序逻辑回归。
假设的估计系数称为,在有序logistic回归中为。如何解释的优势比(OR)?β 1 - 0.5 Ë - 0.5 = 0.607
我说“在一个增加1个单位,其他条件不变,观察的几率是观察的时间赔率,并在相同的变化,观察的几率是观察的时间赔率 “?
在我的教科书或Google中找不到负系数解释的任何示例。
Answers:
您的工作方向正确,但请始终查看所使用软件的文档,以了解实际适合的模型。假设情况为类别因变量,其类别为和预测变量X_ {1},\ ldots,X_ {j},\ ldots,X_ {p}。1 ,... ,g ,... ,k X 1,... ,X j,... ,X p
“在野外”在编写具有不同隐含参数含义的理论比例奇数模型时,可能会遇到三个等效选择:
(模型1和2具有以下限制:在单独的二进制logistic回归中,不随变化,并且,模型3对具有相同的限制,并要求))
假设你的软件使用模式2或3,你可以说:“在一个增加1个单位,其他条件不变,则预测观察的赔率‘ ’与观察' '以的倍数变化”,同样,“随着增加,ceteris paribus,观察到的'的预测几率” '与观察' '变化。” 请注意,在经验情况下,我们只有预测的赔率,而没有实际的赔率。
这是类别的模型1的一些其他说明。首先,假设线性logistic模型的累积logit具有比例优势。其次,最多观察类别的隐含概率。概率遵循具有相同形状的逻辑函数。
对于类别概率本身,所描述的模型包含以下有序函数:
PS据我所知,模型2用于SPSS以及R函数MASS::polr()
和中ordinal::clm()
。模型3用于R函数rms::lrm()
和中VGAM::vglm()
。不幸的是,我不了解SAS和Stata。
glm(..., family=binomial)