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

Спасибо, я так и предполагала

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

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.

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.

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.

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.

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

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.

Не пустышки, а dummy. По-русски - фиктивные (индикаторные) переменные. Из одной номинальной переменной с N градациями получается N фиктивных переменных с двумя градациями (0 или 1) каждая. Категориальные - это номинальные с двумя градациями (0 или 1). Фиктивные переменные можно использовать в регрессионном анализе.

Не совсем понятно про GLM. Вы в какой программе работаете? Дело в том, что, например в SAS GLM это линейная модель с допущением нормальности распределения ошибки, т.е. ANCOVA - линейная регрессия, а в R - это действительно GLM (т.е. позволяет разные распределения ошибок). Для Вашей задачи нужна логистическая регрессия (похоже, что логит - термин из STATISTICA), но проавильно замечено, все качесвтенные переменные надо перекодировать. Иными словами у Вас будет 3 переменных на тип заболевания, 3 - на вид лечения и 2 - на тяжесть состояния (при перекодировке делается на одну переменную меньше, чем уровней). Без перекодировки никак нельзя-с.

Спасибо! Да это действительно Statistica 6, и я пытаюсь построить логистическую регрессию. Насчет перекодировки, почему 3? Например вид заболевания: фибриноторакс - 1-есть, 0-нет, пневмоторакс - 1-есть, 0-нет, плеврит - 1-есть, 0-нет, пиоторакс 1-есть, 0-нет, получается 4, или я неправильно поняла? Сразу следующий вопрос: Если из перекодированных переменных например фибриноторакс будет значимым предиктором в модели, а остальные нет, получится что другие виды заболевания отбросятся и не влияют на исход заболевания, никак не учитываются? Признательна за помощь.

Если ситуация, как у Вас отдельные заболевания, то да, надо четыре, но тогда почему это была общая переменная? П во если у Вас была перменная "заболевание", принимашая значения "фибриноторакс", "плеврит", "пневмоторакс", "пиоторакс" (т.е. обязательно что-то есть), то надо три переменных
фибрноторакс, плеврит, пневмоторакс. Если все три переменных имеют значене 0, то это - значит - пиоторакс, который и является группой сравнения (остальные сравниваются с ним). В случае, если у Вас может е быть ...торакса, то тогда у Вас было 5 значений (четыре состояния и отсуствие чего бы то ни было).
Ответ на второй вопрос - да, на исход влияет только фибриноторакс.

У меня 4 вида заболевания, обязательно есть какое-то из них, только я не поняла что лучше делать 4 или 3 переменных. Если 3 то как определить что лучше взять группой сравнения (кодируется 0 0). Для видов лечения за нулевые надо брать отсутствие хирургического лечения? Для тяжести состояния низшую категорию - удовлетворительное. Я Вас правильно понимаю? Спасибо.

Лучше - 3, за исходный уровень брать ту, что считаете группой сравнения - вопрос не ко мне, а к Вам. Аналогично и в отношении лечения (Вы сами должны решить в соответствии с задачами исследования - если задача изучить влияние хирургического лечения, то да, 0 уровень - отсутствие хирургического лечения).

Очень признательна за помощь. Я так и подумала. Спасибо