Lojistik regresyon ve sıralı bağımsız değişkenler

Bu gönderiyi buldum:

Evet. Katsayı, sıra tahmininde her değişiklik artışı için günlük oranlarındaki değişikliği yansıtır. Bu (çok yaygın) model spesifikasyonu, öngörücünün artışları boyunca doğrusal bir etkiye sahip olduğunu varsayar. Varsayımı test etmek için, sıralı değişkeni tek bir yordayıcı olarak kullandığınız bir modeli, yanıtları ayrıklaştırdığınız ve bunları birden çok yordayıcı olarak ele aldığınız bir modelle karşılaştırabilirsiniz (değişkenin nominal olduğu gibi); ikinci model önemli ölçüde daha iyi bir uyum sağlamazsa, her bir artışın doğrusal bir etkiye sahip olduğu kabul edilir.

- @ dmk38 12 Aralık 10 5:21

Lütfen bu iddiayı destekleyen bir şeyi nerede bulabileceğinizi söyler misiniz? Verilerle çalışıyorum ve lojistik regresyonda sıralı bağımsız değişkenler kullanmak istiyorum.

@Scortchi'nin belirttiği gibi , ortogonal polinomları da kullanabilirsiniz. İşte R'de hızlı bir gösteri:

set.seed(3406)
N      = 50
real.x = runif(N, 0, 10)
ord.x  = cut(real.x, breaks=c(0,2,4,6,8,10), labels=FALSE)
ord.x  = factor(ord.x, levels=1:5, ordered=TRUE)
lo.lin = -3 + .5*real.x
p.lin  = exp(lo.lin)/(1 + exp(lo.lin))
y.lin  = rbinom(N, 1, prob=p.lin)

mod.lin = glm(y.lin~ord.x, family=binomial)
summary(mod.lin)
# ...
# Coefficients:
#             Estimate Std. Error z value Pr(>|z|)   
# (Intercept)  0.05754    0.36635   0.157  0.87520   
# ord.x.L      2.94083    0.90304   3.257  0.00113 **
# ord.x.Q      0.94049    0.85724   1.097  0.27260   
# ord.x.C     -0.67049    0.77171  -0.869  0.38494   
# ord.x^4     -0.09155    0.73376  -0.125  0.90071   
# ...

Lojistik regresyon ile ilgili iyi bir kitap, belki de tam olarak bu kelimelerde olmasa da, buna sahip olacaktır. Çok yetkili bir kaynak için Agresti'nin Kategorik Veri Analizini deneyin.

Ayrıca lojistik regresyon (veya diğer regresyonlar) tanımından da kaynaklanmaktadır. Sıralı bağımsız değişkenler için açıkça birkaç yöntem vardır . Her zamanki seçenekler, kategorik (sırayı kaybeder) veya sürekli (bu, alıntıladığınız şeyde belirtilen varsayımı yapar) olarak kabul edilir. Eğer bunu sürekli olarak ele alırsanız, o zaman analizi yapan program sıralı olduğunu bilmez. Örneğin, IV'ünüzün "Başkan Obama'yı ne kadar seviyorsunuz?" ve cevap seçimleriniz 1'den “Çok” ile 5. “Hiç” şeklinde bir Likert ölçeğidir. Bunu sürekli olarak değerlendirirseniz (programın bakış açısından) "5" yanıtı "1" yanıtının 5 katıdır. Bu mantıksız olabilir veya olmayabilir.