Modelos de regresión logística para multinomiales y ordinales variables

Regresión logística multinomial

El modelo multinomial (aka politómica) de regresión logística es una simple extensión del modelo de regresión logística binomial. Se utiliza cuando la variable dependiente tiene más de dos (desordenadas) categorías nominales.

Maniquí codificación de variables independientes es bastante común. En la regresión logística multinomial la variable dependiente está codificada maniquí en múltiples 1/0 variables. Hay una variable para todas las categorías excepto uno, por lo que si existen las categorías M, habrá M-1 variables ficticias. Todas menos una categoría tiene su propia variable ficticia. Variable ficticia de cada categoría tiene un valor de 1 para su categoría y un 0 para todos los demás. Una categoría, la categoría de referencia, no necesita su propia variable ficticia, ya que está identificada por todas las otras variables son 0.

La regresión logística mulitnomial entonces estima un modelo de regresión logística binaria separada para cada uno de esas variables ficticias. El resultado es de M-1 modelos de regresión logística binaria. Cada uno cuenta el efecto de los predictores de la probabilidad de éxito en esa categoría, en comparación con la categoría de referencia. Cada modelo tiene sus propias intersección y de regresión coeficientes - los predictores pueden afectar a cada categoría diferente

¿Por qué no realizar una serie de modelos de regresión binarios.? Usted podría, y la gente solía, antes de los modelos de regresión multinomial fueron ampliamente disponibles en el software. Es probable que obtener resultados similares. Pero correr juntos significa que se estiman de forma simultánea, lo que significa que las estimaciones de los parámetros son más eficientes - hay menos errores sin explicación general

Ordinal de regresión logística:. El Odds Modelo Proporcional

Cuando la respuesta categorías se ordenan, podría ejecutar un modelo de regresión multinomial. La desventaja es que va a tirar información sobre el pedido. Un modelo de regresión logística ordinal conserva esa información, pero es un poco más complicado.

En el proporcionales Probabilidades Modelo, el evento está modelando es no tener un resultado en una sola categoría, como se hace en la binaria y multinomial modelos. Más bien, el evento está modelando es tener un resultado en una categoría en particular o de cualquier categoría anterior

Por ejemplo, para una variable de respuesta ordenada con tres categorías, los posibles eventos se definen como:.

* estar en el grupo 1
* estar en el grupo 2 o 1 | * estar en el grupo 3, 2 ó 1

En el modelo de probabilidades proporcionales, cada resultado tiene su propio interceptar, pero el mismo coeficientes de regresión. Esto significa:

1. las probabilidades generales de cualquier caso pueden ser diferentes, pero

2. el efecto de los predictores en las probabilidades de que ocurra un evento en todas las categorías posterior es el mismo para todas las categorías. Esta es una suposición del modelo que usted necesita comprobar. A menudo se viola.

El modelo está escrito de manera algo diferente en SPSS de lo habitual, con un signo menos entre la intersección y todos los coeficientes de regresión. Esta es una convención para asegurar que los coeficientes positivos, incrementos en los valores X conducen a un aumento de la probabilidad en las categorías de respuesta de número más alto. En SAS, el signo es un punto a favor, por lo que los aumentos en los valores de predicción conducen a un aumento de la probabilidad en las categorías de respuestas numeradas menor. Asegúrese de entender cómo el modelo se establece en el paquete estadístico antes de interpretar los resultados Hotel  .;