绘制并解释序数逻辑回归

我有一个序数相关变量，易用性，范围从1（不容易）到5（非常容易）。独立因子值的增加与易用性等级的提高相关。

我的两个自变量（condA和condB）是分类的，每个具有2个级别，而2（abilityA，abilityB）是连续的。

我在R中使用了序数包，它使用了我认为是的

（来自@狞的答案在这里）

$$\text{logit}(p(Y \leqslant g)) = \ln \frac{p(Y \leqslant g)}{p(Y > g)} = \beta_{0_g} - (\beta_{1} X_{1} + \dots + \beta_{p} X_{p}) \quad(g = 1, \ldots, k-1)$$

我一直在独立地学习这一点，并希望在我仍在努力的过程中提供任何帮助。除了序数包随附的教程外，我还发现以下内容会有所帮助：

• 序数逻辑回归的解释
• 有序逻辑回归中的负系数

但是我试图解释结果，并将不同的资源放在一起，并陷入困境。

1. 我已经阅读了许多不同的解释，包括抽象的和应用的，但仍然很难理解要说的是什么：

   随着condB增加1单位（即，从分类预测器的一个级别更改为下一个级别），观察Y = 5与Y = 1到4的预测几率（以及观察到的Y = 4与Y = 1到3）的变化系数为exp（beta），例如，exp（0.457）= 1.58。

   一种。类别自变量和连续自变量是否有所不同？
   b。我的部分困难可能在于累积赔率的想法和那些比较。...公平地说，从更高的难易程度进行评估，从condA =缺失（参考水平）到condA =存在的可能性是1.58倍吗？我很确定这是不正确的，但是我不确定如何正确地陈述它。

从图形上看，
1，实施代码这篇文章，我很困惑，为什么产生的“概率”的值是如此之大。
2. P（Y = G）中的图表这篇文章是很有道理的，我...与观察的Y特定类别在X的一个特定的值，我试图让理性的概率的解释首先，该图是为了更好地了解整体结果。

这是我的模型的输出：

m1c2 <- clmm (easiness ~ condA + condB + abilityA + abilityB + (1|content) + (1|ID), 
              data = d, na.action = na.omit)
summary(m1c2)
Cumulative Link Mixed Model fitted with the Laplace approximation

formula: 
easiness ~ illus2 + dx2 + abilEM_obli + valueEM_obli + (1 | content) +  (1 | ID)
data:    d

link  threshold nobs logLik  AIC    niter     max.grad
logit flexible  366  -468.44 956.88 729(3615) 4.36e-04
cond.H 
4.5e+01

Random effects:
 Groups  Name        Variance Std.Dev.
 ID      (Intercept) 2.90     1.70    
 content  (Intercept) 0.24     0.49    
Number of groups:  ID 92,  content 4 

Coefficients:
                Estimate Std. Error z value Pr(>|z|)    
condA              0.681      0.213    3.20   0.0014 ** 
condB              0.457      0.211    2.17   0.0303 *  
abilityA           1.148      0.255    4.51  6.5e-06 ***
abilityB           0.577      0.247    2.34   0.0195 *  

Threshold coefficients:
    Estimate Std. Error z value
1|2   -3.500      0.438   -7.99
2|3   -1.545      0.378   -4.08
3|4    0.193      0.366    0.53
4|5    2.121      0.385    5.50

我的回归建模策略课程笔记有两章可能对顺序回归有所帮助。另请参阅本教程。

本课程笔记详细介绍了模型假设的含义，如何检查它们以及如何解释拟合模型。