Tavsiye edeceğim ilk adım, sıra sınıflarının her biri için bir kukla değişken tanıtmaktır ( https://www.google.com/url?sa=t&source=web&rct=j&ei=B9r5U67pH8vfsASwq4GADQ&url=http://www.uta adresindeki yorumlara bakın. .edu / fakülte / kunovich / Soci5304_Handouts / Konu% 25208_Dummy% 2520Variables.doc & cd = 2 & ved = 0CCAQFjAB & usg = AFQjCNEX-TD7RjSYZ-ej32_5tgPTxVVdvQ & sig2 = dhgcp2 dgpbpq tqbqbqp = thgpp2 . Ayrıca kukla değişkenlerde bir eğilim olup olmadığını test edebilirsiniz. Ayrıca, bir önceki (geçerli verileri görmek için) gerekçesi varsa, sonraki analiz için kukla değişkenlerin ilgili tahmini büyüklüğüne göre sıralı değişken kategorisini yeniden sıralayabilirsiniz.
Önceki analizin artan bir eğilim etkisinin (varsayalım) eksik olduğu ve olası değişkenlik konularını da ele alan ilginç bir yaklaşım olan sıralı değişkenin kendisine desteklenebilir bir sıralamanın dahil edildiği varsayılarak, tüm değişkenlere sıralama atandığı bir regresyon analizi yapmaktır, sıra değişkeni dahil. Bu delilik için bir gerekçe, Wikipedia'dan Spearman'ın Sıra Korelasyon Katsayısı hakkında alıntı yapmak için bir bağlantı (link: http://en.m.wikipedia.org/wiki/Spearman 's_rank_correlation_coefficient):
"Spearman katsayısı, herhangi bir korelasyon hesaplaması gibi, sıralı değişkenler de dahil olmak üzere hem sürekli hem de ayrık değişkenler için uygundur. [1] [2]"
Wikipedia, test için hesaplanan sıralama korelasyonunun standart hatasını değerlendirmek için bir örnek ve birkaç yol sunar. İstatistiksel olarak sıfırdan farklı değilse, derecelere dayanan hesaplanmış bir regresyonda olduğu gibi ölçeklendirilmiş bir versiyonun da benzer olduğunu, anlamlı olmadığını unutmayın.
Olası örnek bir kantil yorumlama vererek bu dereceleri daha da normalleştireceğim (gözlem sayısına bölünerek) (not, söz konusu veriler için ampirik dağılımın oluşturulmasında olası iyileştirmeler var). Ayrıca y ile belirli bir dönüştürülmüş sıralı değişken arasında basit bir korelasyon yapacağım, böylece seçtiğiniz sıralamanın yönü (örneğin, 1'den 4'e karşı 4'e 1), bağlamda sezgisel anlamı olan sıra korelasyonu için bir işaret üretir. çalışma.
[Düzenle] ANOVA modellerinin uygun tasarım matrisi ile regresyon formatında sunulabileceğini ve hangi standart regresyon modeli ile incelerseniz araştırın, ana temanın verilen X'in ortalama tabanlı bir analizi olduğunu unutmayın. Ancak, ekoloji gibi bazı disiplinlerde, medyan da dahil olmak üzere çeşitli miktarlarda ima edilen regresyon ilişkilerine farklı bir odaklanma verimli olmuştur. Görünüşe göre ekolojide ortalama etkiler küçük olabilir, ancak diğer niceliklerde böyle olmayabilir. Bu alana kantil regresyon denir. Mevcut analizinizi tamamlamak için bunu kullanmanızı öneririm. Referans olarak SAS Enstitüsü'nde Colin (Lin) Chen tarafından yayınlanan Paper 213-30, "Quantile Regresyonuna Giriş ve QUANTREG Prosedürü" başlıklı makaleyi yararlı bulabilirsiniz.
Burada da dönüşüm dönüşümlerinin kullanımı ile ilgili bir kaynak bulunmaktadır: Ronald L. Iman ve WJ Conover tarafından yayınlanan, “Regresyonda Sıra Dönüşümlerinin Kullanımı”, Cilt 21, Sayı 4, Kasım 1979. rütbe dönüşümleri kullanmak, monotonik veriler üzerinde oldukça iyi çalışıyor gibi görünmektedir. Bu görüş ayrıca, çevrimiçi bir dergide yer alan güvenilirlik uzmanları tarafından da paylaşılmaktadır: "Sıralama regresyon tahmin yöntemi, doğrusallaştırılabilen işlevler için oldukça iyidir". Kaynak: "Güvenilirlik Hotwire, Sayı 10, Aralık, 2010.