อ้างอิง หมวดหมู่ ไบนารี ตัวเลือก

ฉันพยายามที่จะวิเคราะห์ข้อมูลของฉันโดยใช้การถดถอยโลจิสติก Multinomial โดยที่ตัวแปรตามฉันเป็นผลทางคลินิก (ป่วย vs สุขภาพ) และ 1 ตัวแปรอิสระ (ปัจจัย) อยู่ในหลายประเภท ปัญหาที่ฉันได้พยายามหาวิธีที่ฉันสามารถตั้งค่าหมวดหมู่เป็นกลุ่มอ้างอิงใน SPSS ได้ ฉันได้ทำการวิเคราะห์ผกผันโดยการเปลี่ยนตัวแปรขึ้นอยู่กับและปัจจัยดังนั้นฉันสามารถตั้งค่าการอ้างอิง แต่หลังจากที่ฉันคิดว่าเกี่ยวกับเรื่องนี้ฉันรู้ว่ามันไม่ได้ทำให้รู้สึกมาก ฉันยังเปรียบเทียบค่า OR จาก MLR กับการวิเคราะห์ 2x2 แต่แตกต่างกันอย่างมากมาย ฉันยังพยายาม Binary Logistic Regression และสร้างตัวแปร dummy สำหรับแต่ละประเภท แต่ฉันไม่ได้มีค่าสมเหตุสมผลทั้ง แก้ไข: คำสั่งและเอาต์พุต SPSS ฉันได้ตั้งค่าหมวดหมู่แรก (1) ในตัวแปรอิสระของฉันเป็นข้อมูลอ้างอิงถ้าตัวแปรตามของคุณเป็นไบนารีการถดถอยลอจิสติกแบบไบนารีเป็นวิธีที่จะไป คุณหมายถึงอะไรโดย quot1 ตัวแปรอิสระ (ปัจจัย) quot ตัวแปรอะไรมีปัญหาในการตั้งค่าหมวดหมู่อ้างอิง สิ่งที่ได้ช่วยให้คุณแปลความหมายและแก้ไขปัญหาได้ดียิ่งขึ้น ndash rolando2 14 ก. ค. 14 เวลา 21:43 คุณสามารถบรรลุสิ่งที่ต้องการได้จากสิ่งต่อไปนี้ ใช้การถดถอยลอจิสติกแบบไบนารี กำหนดตัวแปรไบนารีสถานะ (ป่วยกับสุขภาพ) เป็นตัวแปรที่อาศัยอยู่ เปลี่ยนใหม่หากจำเป็นเพื่อให้ป่วย 1 หรือสุขภาพ 1 (และอื่น ๆ 0) ขึ้นอยู่กับว่าคุณมีความสนใจในการสร้างแบบจำลอง log-odds ป่วยหรือมีสุขภาพดี กำหนดประเภทอ้างอิงให้กับตัวแปรกลุ่มโดยใช้คำสั่ง Contrast ไฟล์ช่วยเหลือหรือคู่มือไวยากรณ์จะช่วยคุณในการเลือกจากตัวเลือกต่างๆเช่นตัวบ่งชี้หรือความเบี่ยงเบนค่าความเบี่ยงเบน (ตัวบ่งชี้อาจเป็นวิธีที่สะดวกที่สุด) และในกลศาสตร์ของการกำหนดหมวดหมู่เช่น GCA เป็นข้อมูลอ้างอิงที่จะเปรียบเทียบกับผู้อื่น การสร้างตัวแปรจำลองเพื่อแสดงตัวทำนายเช่นกลุ่มจะเป็นประโยชน์ในบางกรณี แต่อาจไม่จำเป็นต้องใช้ที่นี่ SPSS จะสร้าง Dummies เหล่านี้ให้คุณเป็นส่วนหนึ่งของความคมชัดที่คุณกำหนด ต่อมาถ้าคุณต้องการใช้ผลลัพธ์การถดถอยเพื่อสร้างสมการทำนายมีทางลัดที่จะทำเช่นนั้นโดยไม่ต้องสร้างหุ่นที่ฉันสามารถแบ่งปันกับคุณแยกต่างหากหากจำเป็นต้องมี EDIT - เพื่อกำหนดกลุ่มเฉพาะเป็นหมวดหมู่อ้างอิง: จะแสดงลำดับของหมวดหมู่ที่ SPSS เห็น สมมติว่า GTG เป็นอันดับที่สาม จากนั้น GTG สามารถกำหนดให้เป็นหมวดหมู่อ้างอิงได้โดยใช้คำสั่งย่อยนี้ในการถดถอย: ตอนนี้สมมติว่าสุขภาพดีจะถูกเข้ารหัสเป็น 1 สำหรับตัวแปรสถานะค่าสัมประสิทธิ์ของแต่ละกลุ่มในการถดถอยจะเป็นตัวบอกอัตราส่วนระหว่างอัตราเดิมพันของ (SPSS) เมื่อใดที่เราใช้การถดถอยโลจิสติกเมื่อเราต้องการสร้างอัตราส่วน odds ratio เพื่อดูว่าตัวแปรอิสระของเรา (เช่น smoking: never smoker, ผู้สูบบุหรี่ในปัจจุบันหรือผู้สูบบุหรี่ในปัจจุบัน) คาดการณ์อัตราต่อรองที่สูงขึ้นของตัวแปรตาม (เช่นภาวะซึมเศร้า: ใช่หรือไม่) ตัวแปรผลลัพธ์จะต้องมี 2 หมวดหมู่ ตัวอย่างสถานการณ์สมมติการคำนวณอัตราเดิมพันที่มีภาวะซึมเศร้าตามพฤติกรรมการสูบบุหรี่ของผู้คน ตัวแปรอิสระของเราคือพฤติกรรมการสูบบุหรี่และมี 3 ประเภทคือ 1 ไม่มีรมควัน (อ้างอิงหมวดหมู่) 2 ผู้สูบบุหรี่ 3 สูบบุหรี่ปัจจุบันคำถามวิจัยของเราคือ : เมื่อเทียบกับผู้ที่ไม่เคยสูบบุหรี่ผู้ที่สูบบุหรี่เป็นอดีตและผู้สูบบุหรี่ปัจจุบันมีอัตราเสี่ยงต่อการเป็นโรคซึมเศร้าขั้นที่ 1 วิเคราะห์ - การถดถอย - ไบนารีโลจิสติกขั้นตอนที่ 2 เลือกตัวแปรที่ขึ้นอยู่กับภาวะซึมเศร้า กล่อง. ย้ายตัวแปรอิสระ (smoke3) ลงในกล่อง Covariates ขั้นที่ 3 คลิกที่หมวดหมู่ กล่อง. ย้ายควันที่ 3 ลงในช่องตัวแปรร่วมด้วยเพราะควัน 3 เป็นตัวแปรที่มีความแตกต่างกัน (ไม่จำเป็นต้องใช้ขั้นตอนนี้ถ้าตัวแปรอิสระของคุณเป็นตัวแปรต่อเนื่อง) เลือกแรกเป็นหมวดหมู่อ้างอิงและคลิกเปลี่ยนเพราะเราต้องการให้กลุ่มแรก (ไม่เคยสูบ) เป็นหมวดหมู่อ้างอิง ขั้นตอนที่ 4 คลิกที่ Options กล่อง. การเลือก CI สำหรับ exp (B): 95 - นี้จะให้ 95 ช่วงความเชื่อมั่นสำหรับอัตราเดิมพันของคุณเนื่องจาก 95CI ไม่ซ้อนทับกันเราสามารถสรุปได้ว่าเมื่อเทียบกับผู้ที่ไม่เคยสูบบุหรี่แล้วผู้สูบบุหรี่เคยมีอัตราเดิมพันสูงกว่า 1.14 เท่า (95CI1 .55 ถึง 1.24) และผู้สูบบุหรี่ในปัจจุบันมีอัตราที่สูงกว่า 1.79 เท่า (95.11 ถึง 1.95) จะหดหู่ Maths-Statistics-Tutor 2010 ทีมพัฒนาเว็บในรูปแบบข้อมูล binary และ multinomial การตอบสนองระดับการสั่งซื้อมีความสำคัญเนื่องจากสะท้อนถึงสิ่งต่อไปนี้: ความน่าจะเป็นแบบจำลองด้วยข้อมูลไบนารีว่าหมวดหมู่ถูกจัดลำดับสำหรับข้อมูลลำดับที่ประเภททำหน้าที่เป็น ประเภทอ้างอิงในโมเดล logit generalized ทั่วไป (แบบจำลองสำหรับข้อมูลที่ระบุ) คุณควรดูตารางข้อมูลการตอบกลับเพื่อให้แน่ใจว่ามีการจัดหมวดหมู่อย่างถูกต้องและผลลัพธ์ที่ต้องการจะถูกสร้างแบบจำลอง ในตารางนี้ระดับการตอบสนองจะจัดเรียงตามมูลค่าที่สั่งซื้อ มีการกำหนดระดับการตอบสนองต่ำสุด 1 ค่าที่ต่ำที่สุดถัดไปจะถูกกำหนดค่าที่สั่งซื้อ 2 และอื่น ๆ ในรูปแบบไบนารีความน่าจะเป็นแบบจำลองคือความน่าจะเป็นของระดับการตอบสนองที่มีมูลค่าสั่งต่ำสุด คุณสามารถเปลี่ยนความน่าจะเป็นแบบจำลองและมูลค่าที่สั่งซื้อในตารางโปรไฟล์การตอบกลับโดยใช้ DESCENDING เหตุการณ์ ใบสั่ง. และ REF ตัวแปรตอบสนองในคำสั่ง MODEL ดูส่วนการตอบสนองระดับการสั่งซื้อในบทที่ 51 ขั้นตอน LOGISTIC สำหรับตัวอย่างเกี่ยวกับวิธีการใช้ตัวเลือกเหล่านี้เพื่อส่งผลต่อความน่าจะเป็นแบบจำลองสำหรับข้อมูลไบนารี สำหรับแบบจำลองหลายรูปแบบคำสั่งในระดับการตอบสนองมีผลต่อสองประเด็นที่สำคัญ ในรูปแบบการเชื่อมโยงแบบสะสมประเภทจะถือว่าได้รับคำสั่งตามมูลค่าที่สั่งซื้อไว้ในตารางโปรไฟล์การตอบกลับ หากตัวแปรการตอบสนองเป็นตัวแปรตัวอักษรหรือมีรูปแบบคุณควรตรวจสอบตารางนี้อย่างละเอียดว่าค่าที่สั่งซื้อสะท้อนระดับที่ถูกต้องหรือไม่ ในแบบจำลอง logit โดยทั่วไป (สำหรับข้อมูลหลายกลุ่มที่มีประเภทที่ไม่เรียงลำดับ) หนึ่งประเภทการตอบสนองจะถูกเลือกเป็นหมวดหมู่อ้างอิงในการกำหนดการเข้าสู่ระบบโดยรวม ตัวทำนายเชิงเส้นในหมวดอ้างอิงอ้างอิงอยู่ที่ 0 และประเภทอ้างอิงอ้างอิงกับรายการในตารางโปรไฟล์การตอบกลับที่มีค่าที่สั่งซื้อสูงสุด คุณสามารถส่งผลกระทบต่อการกำหนดค่าที่สั่งซื้อโดยใช้ตัวเลือก DESCENDING และ ORDER ในคำสั่ง MODEL คุณสามารถเลือกหมวดหมู่อ้างอิงอื่นด้วยตัวเลือก REF ทางเลือกของประเภทการอ้างอิงสำหรับโมเดล logit ทั่วไปมีผลต่อผลลัพธ์ บางครั้งแนะนำให้คุณเลือกหมวดหมู่ที่มีความถี่สูงสุดเป็นข้อมูลอ้างอิง (ดูตัวอย่างเช่นบราวน์และเพรสคอตต์ 1999 หน้า 160) คุณสามารถบรรลุข้อนี้ด้วยขั้นตอน GLIMMIX โดยการรวมออปชัน ORDER และ REF ไว้ในคำสั่งต่อไปนี้ตัวเลือก ORDERFREQ จัดหมวดหมู่ตามความถี่ลดขนาด ตัวเลือก REFFIRST จะเลือกประเภทการตอบสนองที่มีการอ้างอิงน้อยที่สุดที่ถูกสั่งให้ใช้บ่อยที่สุด