Логистическая регрессия, интерпретация коэффициентов Опции

[Tatiana]

Решила вынести вопрос в новую тему,
в конце чужой темы он оказался для всех незаметным

У меня вопрос по применению логистической регрессии, пожалуйста, подскажите.
Если в модели используются порядковые независимые переменные, не бинарные, напрммер степень выраженности чего либо (1 - нет, 2-слабая, 3- сльная). Зависимая - бинарная, как полагается ( 1 -есть болезнь, 0 -нет), то как интерпретировать результаты? Как правильно оценить риск развития заболевания от этого фактора?. Пользуюсь Statistica 6. Расчетная величина OR=3.5. Это как правильно интерпретировать?
Когда независимая бинарная понятно. Или нужно все-таки разбивать независимую на несколько бинарных переменных. Подскажите, пожалуйста, кто сталкивался с этим.

[плав]

Решила вынести вопрос в новую тему,
в конце чужой темы он оказался для всех незаметным

У меня вопрос по применению логистической регрессии, пожалуйста, подскажите.
Если в модели используются порядковые независимые переменные, не бинарные, напрммер степень выраженности чего либо (1 - нет, 2-слабая, 3- сльная). Зависимая - бинарная, как полагается ( 1 -есть болезнь, 0 -нет), то как интерпретировать результаты? Как правильно оценить риск развития заболевания от этого фактора?. Пользуюсь Statistica 6. Расчетная величина OR=3.5. Это как правильно интерпретировать?
Когда независимая бинарная понятно. Или нужно все-таки разбивать независимую на несколько бинарных переменных. Подскажите, пожалуйста, кто сталкивался с этим.

Решил продублировать ответ, поскольку написал и там и там

Если Вы кодировали переменные так, как написали - 1,2,3, то интерпретировать отношение шансов бессмысленно - Вы предположили, что "дистанция" от слабого до сильного и от отсутствия до слабого одинаковая.
Надо делать так: вместо одной переменной с тремя уровнями сделать две бинарных переменных. Например - Exist (0 - нет, 1- да) и Severity (0- нет или слабая, 1 - сильная). Тогда Вы полностью описываете свою классификацию:
Exist Severity
нет 0 0
слабая 1 0
сильная 1 1
Получаете два отношения шансов. Первое показывает во сколько раз наличие чего-то увеличивает шансы наличия заболевания, второе - во сколько раз сильное воздействие увеличивает шансы наличия заболевания по сравнению с отсутствием/слабоым воздействием. Произведение отношения шансов - во сколько раз риск при сильной выраженности больше, чем при отсутствии и т.д.
Перекодировка в Statistica через меню Recode

[Tatiana]

Спасибо, я так и предполагала

[venera51]

Люди, а кто знает другой способ обработки данных. Например, если обе переменные (зависимая и независимая) имеют по 3 или 4 уровня? Ведь не будем же составлять кучу уравнений?

[плав]

Люди, а кто знает другой способ обработки данных. Например, если обе переменные (зависимая и независимая) имеют по 3 или 4 уровня? Ведь не будем же составлять кучу уравнений?

Ну а почему бы не составить?
Для независимой это не проблема - добавить переменные просто (и - нет, других вариантов нет, ряд программ, например SAS последних версий сами "разворачивают" качественные независимые переменные в нескольк).
Для зависимой - вообще-то можно использовать логистическую регрессию с несколькими уровнями (очень трудно интерпретировать результаты), можно воспользоваться логлинейным моделированием, но опять-таки - а вопрос-то какой? Метод зависит не столько от переменных, сколько от вопроса, на который пытается ответить аналитик

[alex3020]

Ну а почему бы не составить?
Для независимой это не проблема - добавить переменные просто (и - нет, других вариантов нет, ряд программ, например SAS последних версий сами "разворачивают" качественные независимые переменные в нескольк).
Для зависимой - вообще-то можно использовать логистическую регрессию с несколькими уровнями (очень трудно интерпретировать результаты), можно воспользоваться логлинейным моделированием, но опять-таки - а вопрос-то какой? Метод зависит не столько от переменных, сколько от вопроса, на который пытается ответить аналитик

Здравствуйте. Я неважно разбираюсь в статистике, но помочь мне, к сожалению, некому, поэтому пытаюсь все сделать сама.
Было проведено анкетирование. Зависимая переменная: оценка здоровья самими респондентами (хорошее, удовлетворительное, плохое). Подскажите, как оценить влияние различных факторов (анкетные данные) на эту самую оценку с помощью логистической регрессии, или каким нибудь другим методом. Заранее благодарна за ответ.

[плав]

Здравствуйте. Я неважно разбираюсь в статистике, но помочь мне, к сожалению, некому, поэтому пытаюсь все сделать сама.
Было проведено анкетирование. Зависимая переменная: оценка здоровья самими респондентами (хорошее, удовлетворительное, плохое). Подскажите, как оценить влияние различных факторов (анкетные данные) на эту самую оценку с помощью логистической регрессии, или каким нибудь другим методом. Заранее благодарна за ответ.

1) Ординальная логистическая регрессия (реализована в SAS, Stata, R)
2) Обычная логистическая регрессия вначале сравнить плохое с суммарной группой удв+хор, затем сравнить удв и хор (заивисиыме переменные)

Другие методы тут вряд ли пойдут.

[alex3020]

Ну а почему бы не составить?
Для независимой это не проблема - добавить переменные просто (и - нет, других вариантов нет, ряд программ, например SAS последних версий сами "разворачивают" качественные независимые переменные в нескольк).
Для зависимой - вообще-то можно использовать логистическую регрессию с несколькими уровнями (очень трудно интерпретировать результаты), можно воспользоваться логлинейным моделированием, но опять-таки - а вопрос-то какой? Метод зависит не столько от переменных, сколько от вопроса, на который пытается ответить аналитик

спасибо за ответ. А что значит логлинейное моделирование, можно ли его применить в моем случае?Я пользуюсь STATISTICA 6.0, есть ли в данной программе такие возможности. С уважением.

[плав]

спасибо за ответ. А что значит логлинейное моделирование, можно ли его применить в моем случае?Я пользуюсь STATISTICA 6.0, есть ли в данной программе такие возможности. С уважением.

Если очень упрощая, то логлинейной моделирование - изучение связи между переменными, аналогично тому, как это делается в корреляционном анализе. Если более научно - моделирование логарифмов частот в таблице как функции переменных, составляющих эту таблицу, т.е.
ln(a)=\mu + A*\alpha +B*\beta + C*\alpha*\beta,
где альфа и бета - значения переменных, а - частота в ячейке таблицы.
В Вашем случае логлинейное модлирование не очень подходит, поскольку у Вас есть зависимая переменная, т.е. надо использовать регрессионные подходы (на самом деле логистическая регрессия очень близкий родственник логлинейного моделирования, и еще более близкий пуассоноой регрессии).
В 6 статистике есть только обычная логистическая регрессия, логлинейное моделирование тоже есть, но использовать его для Ваших целей будет сложно. Ординальной логистической регрессии нет.

[alex3020]

1) Ординальная логистическая регрессия (реализована в SAS, Stata, R)
2) Обычная логистическая регрессия вначале сравнить плохое с суммарной группой удв+хор, затем сравнить удв и хор (заивисиыме переменные)

Другие методы тут вряд ли пойдут.

Уважаемый плав. Подскажите пожалуйста, как именно сравнить эти три группы. У меня только хватило толку провести логистическую регрессию с группами по отдельности. Можно ли их сравнить с помощью программы или это сделать так сказать вручную? При проведении логистической регрессии по отдельности получила почти одинаковые данные для групп с хорошим и удовлетворительным здоровьем. Для группы с плохим здоровьем провести данное исследование не удалось, возможно потому что процент таких респонедентов чрезвычайно мал(не достигает и 1%). Очень признательна за помощь.

[плав]

Уважаемый плав. Подскажите пожалуйста, как именно сравнить эти три группы. У меня только хватило толку провести логистическую регрессию с группами по отдельности. Можно ли их сравнить с помощью программы или это сделать так сказать вручную? При проведении логистической регрессии по отдельности получила почти одинаковые данные для групп с хорошим и удовлетворительным здоровьем. Для группы с плохим здоровьем провести данное исследование не удалось, возможно потому что процент таких респонедентов чрезвычайно мал(не достигает и 1%). Очень признательна за помощь.

Здоровье должно быть зависимой переменной.
Соответственно модель 1
(Плохое + Удв) кодируем 0
Хорошее кодируем 1
все остальные параметры - независимые переменные, смотрим какие могут помочь отличать (плохоен+удв) от хор.
Если такие есть можно попробовать
удв кодируем 0 (только) против хорошее (1) т.е отбрасваете плохое и далее также.

[alex3020]

Здоровье должно быть зависимой переменной.
Соответственно модель 1
(Плохое + Удв) кодируем 0
Хорошее кодируем 1
все остальные параметры - независимые переменные, смотрим какие могут помочь отличать (плохоен+удв) от хор.
Если такие есть можно попробовать
удв кодируем 0 (только) против хорошее (1) т.е отбрасваете плохое и далее также.

Спасибо большое за совет. Посчитала, как вы предложили. Закодировала 1-хорошее,0-плох+удовл, получила результат. У меня всего лишь 3 ответа с плох здоровьем, поэтому наверное отдельно его отбрасывать не стоит(я поняла, что надо выкинуть данные людей, отметивших плох здоровье и затем снова посчитать). Я права?

[плав]

Спасибо большое за совет. Посчитала, как вы предложили. Закодировала 1-хорошее,0-плох+удовл, получила результат. У меня всего лишь 3 ответа с плох здоровьем, поэтому наверное отдельно его отбрасывать не стоит(я поняла, что надо выкинуть данные людей, отметивших плох здоровье и затем снова посчитать). Я права?

Думаю, что не стоит, просто объедините плохое и удовлетворительное и сравнивайте с хорошим.

[alex3020]

Думаю, что не стоит, просто объедините плохое и удовлетворительное и сравнивайте с хорошим.

Спасибо большое за помощь. На вашем форуме подчерпнула для себя много полезной информации.

[Мария Александро...]

ЗДРАвствуйте! После просмотра сайта окнчательно запуталась. Необходимо построить логит-модель, завис. переменная - исход(0-неуд. 1-уд), независ. количественные - возраст, лейкоцитоз, ЛИИ, качественные номинальные - вид заболевания (4 вида по степени выраженности не классифицир, т.е. не категориальные) и вид лечения (4 вида), а так же пол, тяжесть состояния - 3 категории. Я поняла, что для категориальных надо делать пустышки, а для видов заболевания и лечения тоже? В мою задачу входит из вышеперечисленных выбрать наиболее значимые предикторы и соответственно построить приемлемую модель. Раньше я строила в быстрой логит регрессии, но видимо необходимо в GLM пошаговую с исключением. Там попробовала не перекодируя данных, выдает слишком много переменных. Как быть? Извините за дилетантские вопросы.