Regresión ordinal del análisis de regresión SPSS

1. Concepto (Análisis-Regresión-Ordenación)

La regresión ordenada se puede utilizar para simular respuestas ordenadas multivariadas a un conjunto de variables predictivas (que pueden ser factores o covariables). El diseño de regresión ordinal se basa en la metodología de McCullough (1980, 1998). El proceso de regresión ordinal se llama gramaticalmente quincunce. Por ejemplo, se puede utilizar la regresión ordinal para estudiar la respuesta del paciente a la dosis del fármaco. Las posibles reacciones se pueden clasificar como ninguna, leve, moderada o grave. La diferencia entre una reacción leve y una reacción moderada es difícil o imposible de cuantificar y depende de cómo se siente. Además, la diferencia entre una reacción leve y una reacción moderada puede ser mayor o menor que la diferencia entre una reacción moderada y una reacción grave.

2. Opciones (Análisis-Regresión-Ordenación-Opciones)

Utilice el cuadro de diálogo "Opciones" para ajustar los parámetros utilizados en el algoritmo de estimación iterativo y seleccionar el nivel de confianza del estimaciones de parámetros y seleccionar funciones relacionadas.

1, iteración. Puede personalizar el algoritmo de iteración. ◎Número máximo de iteraciones. Especifique un número entero no negativo. Si se especifica 0, el procedimiento devuelve una estimación inicial. ◎El tamaño de paso máximo se divide en dos partes iguales. Especifique un número entero positivo. ◎ Convergencia de la estimación de probabilidad logarítmica. Si el cambio absoluto o relativo en la estimación de probabilidad logarítmica es menor que este valor, el algoritmo se detendrá. Si se especifica 0, la condición no se utiliza. ◎ Convergencia de parámetros. Si el cambio absoluto o relativo en el valor estimado de cada parámetro es menor que este valor, el algoritmo se detendrá. Si se especifica 0, la condición no se utiliza.

2. Especifique un valor mayor o igual a 0 y menor que 100.

3. Valor agregado a la frecuencia celular cero. Especifique un valor no negativo inferior a 1.

4. Error de tolerancia a la singularidad. Se utiliza para examinar variables predictivas altamente correlacionadas. Seleccione un valor de la lista de opciones.

5. Función de enlace. La función de enlace es una forma transformada de probabilidad acumulativa que se puede utilizar para la estimación del modelo. La siguiente tabla resume las cinco funciones de enlace disponibles. ◎Logit log (?/ (1?)) categorías distribuidas uniformemente. ◎Cuanto mayor sea la categoría de registro complementario (log(1?)), mayor será la posibilidad. ◎Cuanto menor sea la categoría de registro negativo (log(?)), mayor será la posibilidad. ◎¿Probit? 1(?) La variable latente tiene una distribución normal. ◎La variable potencial de Cauchy (Cauchy inversa)tan(π(?0.5)) tiene muchos valores extremos.

En tercer lugar, salida de regresión ordenada (Análisis-Regresión-Orden-Salida)

El cuadro de diálogo "Salida" puede generar una tabla que se mostrará en el navegador y guardar las variables en el documento de trabajo.

1, pantalla. Genere tablas para los siguientes elementos: ◎Imprimir historial de iteraciones. Imprima estimaciones de probabilidad logarítmica y estimaciones de parámetros para la frecuencia de iteración de impresión especificada. Imprima siempre la primera y la última iteración. ◎Estadísticas de bondad de ajuste. Pearson y estadística de probabilidad chi-cuadrado. Estas estadísticas se calculan en función de la clasificación especificada en la lista de variables. Estadísticas abstractas. Estadísticas de Cox y Snell, Nagelkerk y McFadden R2. ◎Estimación de parámetros. Estimaciones de parámetros, errores estándar e intervalos de confianza. ◎ Correlación asintótica de estimaciones de parámetros. Matriz de coeficientes de correlación para estimaciones de parámetros. ◎Covarianza asintótica de estimaciones de parámetros. Matriz de covarianza de estimaciones de parámetros. Información del teléfono móvil. Frecuencias observadas y esperadas y porcentajes acumulados, residuos de Pearson de frecuencias y porcentajes acumulados, probabilidades observadas y esperadas y probabilidades acumuladas para cada categoría de respuesta expresadas como patrones de covariables. Nota: Para modelos con muchos patrones de covariación (por ejemplo, modelos con covariación continua), esta opción puede producir tablas muy grandes y difíciles. ◎Pruebas paralelas. Prueba de hipótesis para la igualdad de los parámetros de posición horizontal de múltiples variables dependientes. Esta prueba solo está disponible en modelos de ubicación exclusiva.

2.Variables guardadas. Guarde las siguientes variables en el archivo de trabajo: ◎Probabilidades de respuesta estimadas. Modele las probabilidades estimadas de clasificar patrones de factores/covariación en clases de respuesta. La probabilidad es igual al número de categorías de respuesta. ◎Clase de predicción. La categoría de respuesta con la mayor probabilidad estimada del patrón de factor/covariación. ◎Predecir la probabilidad de clase. Probabilidades estimadas de clasificar factores/covariables en clases predichas. Esta probabilidad es también el valor máximo de la probabilidad estimada del patrón de factor/covariación. ◎Probabilidad de clase real. La probabilidad estimada de colocar un factor/covariable en su clase real.

3. Posibilidad de imprimir registros. Controla la visualización de estimaciones de probabilidad logarítmica. ◎La inclusión de constantes polinómicas puede proporcionar un valor completo de la estimación de probabilidad.

Para comparar resultados entre productos que no contienen la constante, puede optar por excluir la constante.