Referenz Kategorie Binär Optionen

Ich versuche, meine Daten mit Multinomial Logistic Regression zu analysieren, wobei meine abhängige Variable ein klinisches Ergebnis ist (krank vs gesund) und 1 unabhängige Variablen (Factors) in mehreren Kategorien sind. Das Problem, das ich habe, versucht, herauszufinden, wie ich eine der Kategorie als Referenzgruppe in SPSS setzen kann. Ich habe die inverse Analyse durch das Umschalten von abhängigen und Faktor-Variablen getan, so kann ich die Referenz setzen, aber nach jetzt, dass ich darüber nachdenken, ich weiß, es macht nicht viel Sinn. Ich habe auch die OR-Werte von MLR zu einer 2x2-Analyse verglichen, aber es ist sehr unterschiedlich. Ich habe auch versucht Binary Logistic Regression und erstellt Dummy-Variablen für jede Kategorie, aber ich hatte auch keine vernünftigen Werte. EDIT: SPSS Befehl und Ausgabe Ich habe die erste Kategorie (1) in meiner unabhängigen Variablen als Referenz gesetzt Wenn deine abhängige Variable binär ist, ist die binäre logistische Regression der Weg zu gehen. Was meinst du mit 1 unabhängigen Variablen (Faktoren). Welche Variable stellt ein Problem mit der Einstellung der Referenzkategorie dar. Was genau das bedeutet, dass es viel Sinn macht. Also, wie wäre es mit deiner Befehle und deiner Ausgabe, so dass Freiwillige hier helfen können, zu interpretieren und zu beheben. Ndash rolando2 Jul 14 14 at 21:43 Sie können erreichen, was Sie suchen, um über die folgenden zu tun. Binäre logistische Regression verwenden. Weisen Sie Ihren Binärstatus (krank vs. gesunde) Variable als abhängig ab. Recode, wenn nötig, so dass krank 1 oder gesund 1 (und die andere ist 0), je nachdem, ob Sie mehr daran interessiert sind, die Log-Chancen, krank zu sein oder gesund zu sein. Weisen Sie der Gruppenvariable eine Referenzkategorie mit dem Befehl Kontrast zu. Hilfedateien oder eine Syntaxanleitung hilft Ihnen bei der Auswahl von Optionen wie Indikator - oder Abweichungskontraste (Indikator wird wohl am bequemsten sein) und in der Mechanik der Zuweisung einer Kategorie wie GCA als Referenz, auf die andere verglichen werden sollen. Das Erstellen von Dummy-Variablen, um einen Prädiktor wie eine Gruppe darzustellen, ist in einigen Fällen nützlich, ist aber wahrscheinlich nicht notwendig hier. SPSS erstellt diese Dummies für Sie als Teil des Kontrasts, den Sie angeben. Später, wenn Sie Regressionsausgabe verwenden müssen, um eine prädiktive Gleichung zu erstellen, gibt es eine Verknüpfung, um dies zu tun, ohne Dummies zu erstellen, die ich mit Ihnen separat teilen kann, wenn nötig. EDIT - um eine bestimmte Gruppe als Referenzkategorie zuzuordnen: Hier sehen Sie die Reihenfolge der Kategorien, die SPSS sieht. Angenommen, GTG ist drittens. Dann kann GTG als Referenzkategorie mit diesem Unterbefehl in der Regression vergeben werden: Nun wird vorausgesetzt, dass gesund als 1 für die Statusvariable codiert ist. Jeder Gruppenkoeffizient in der Regression, wenn exponentiated, gibt Dir das Verhältnis zwischen diesen Gruppen Quoten von Mit einem gesunden Ergebnis und den GTG-Gruppen die Chancen, ein gesundes Ergebnis zu haben. Performing Logistic Regression in PASW (SPSS) Wann verwenden wir eine logistische Regression Wenn wir Odds Ratios produzieren wollen, um zu sehen, ob unsere unabhängigen Variablen (zB Rauchen: nie Raucher, Ex-Raucher, aktueller Raucher) prognostiziert höhere Quoten der abhängigen Variablen (zB Depression: ja oder nein). Die Ergebnisvariable muss 2 Kategorien haben. Beispielszenario Berechnen der Odds Ratio von Depressionen auf der Grundlage von Vieh Rauchen Verhalten. In diesem Szenario ist unsere abhängige Variable Depression, und es hat 2 Kategorien: 1No (Referenzkategorie) 2Yes Unsere unabhängige Variable ist das Rauchen Verhalten, und es hat 3 Kategorien: 1Noch geräuchert (Referenzkategorie) 2Ex-Raucher 3Current Raucher Unsere Forschungsfrage ist : Im Vergleich zu denen, die nie geraucht haben, machen diejenigen, die Ex-Raucher sind und jene, die gegenwärtige Raucher sind, höhere Chancen haben, Depressionen zu haben. Schritt 1 Analyse - Regression - Binärlogistik Schritt 2 Wähle die abhängige Variable (Depression) und verschiebst sie in die abhängigen Box. Bewegen Sie die unabhängige Variable (smoke3) in die Kovariatsbox. Schritt 3 Klicken Sie auf die Kategoriale. Box. Bewegen Sie rauch3 in die kategorische Kovariaten-Box, weil smoke3 eine kategorische Variable ist (brauchen Sie diesen Schritt nicht, wenn Ihre unabhängige Variable eine stetige Variable ist). Wählen Sie zuerst als Referenzkategorie und klicken Sie auf Ändern, da wir die erste Gruppe (nie geraucht) als Referenzkategorie haben wollen. Schritt 4 Klicken Sie auf die Optionen. Box. Tick ​​CI für exp (B): 95 - das gibt dir 95 Konfidenzintervalle für deine Quotenverhältnisse Wie die 95CI nicht überlappen, können wir schließen, dass im Vergleich zu denen, die noch nie geraucht haben, Ex-Raucher 1,14 mal höhere Chancen haben (95CI1 .05 bis 1.24), und aktuelle Raucher haben 1,79 mal höhere Chancen (95CI1.64 bis 1.95) zu deprimieren. Kopieren Sie Maths-Statistics-Tutor 2010 Web-Entwicklungsteam. In den Modellen für binäre und multinomiale Daten ist die Reihenfolge der Auftragsebenen wichtig, da sie folgendes widerspiegelt: welche Wahrscheinlichkeit wird mit binären Daten modelliert, wie Kategorien für Ordinaldaten, die als Kategorie dienen, angeordnet sind Die Referenzkategorie in nominalen generalisierten Logit-Modellen (Modelle für Nominaldaten) Sie sollten die Response Profile-Tabelle ansehen, um sicherzustellen, dass die Kategorien ordnungsgemäß angeordnet sind und dass das gewünschte Ergebnis modelliert wird. In dieser Tabelle sind die Antwortstufen nach dem geordneten Wert angeordnet. Das niedrigste Ansprechniveau ist dem bestellten Wert 1 zugeordnet, der nächst niedrigste ist der bestellte Wert 2 und so weiter. In binären Modellen ist die Wahrscheinlichkeit modelliert die Wahrscheinlichkeit des Antwortniveaus mit dem niedrigsten geordneten Wert. Sie können ändern, welche Wahrscheinlichkeit modelliert ist und der bestellte Wert in der Response Profile-Tabelle mit dem DESCENDING. EVENT. AUFTRAG. Und REF-Antwortvariablen in der MODEL-Anweisung. Siehe Abschnitt Abschnitt Response Level Ordering in Kapitel 51, The LOGISTIC Procedure, Beispiele für die Verwendung dieser Optionen, um die Wahrscheinlichkeit zu beeinflussen, die für Binärdaten modelliert wird. Bei multinomialen Modellen wirkt sich die Response-Level-Reihenfolge auf zwei wichtige Aspekte aus. In kumulativen Link-Modellen werden die Kategorien nach ihrem geordneten Wert in der Response Profile-Tabelle geordnet. Wenn die Antwortvariable eine Zeichenvariable ist oder ein Format hat, sollten Sie diese Tabelle sorgfältig überprüfen, ob die geordneten Werte die korrekte Ordnungsskala widerspiegeln. In generalisierten Logit-Modellen (für multinomiale Daten mit ungeordneten Kategorien) wird in der Formulierung der generalisierten Logits eine Referenzkategorie als Referenzkategorie gewählt. Standardmäßig ist der lineare Prädiktor in der Referenzkategorie auf 0 gesetzt und die Referenzkategorie entspricht dem Eintrag in der Response Profile Tabelle mit dem höchsten geordneten Wert. Sie können die Zuordnung von geordneten Werten mit den Optionen DESCENDING und ORDER in der MODEL-Anweisung beeinflussen. Mit der Option REF können Sie eine andere Referenzkategorie auswählen. Die Auswahl der Referenzkategorie für generalisierte Logit-Modelle beeinflusst die Ergebnisse. Es wird manchmal empfohlen, dass Sie die Kategorie mit der höchsten Frequenz als Referenz wählen (siehe z. B. Brown und Prescott 1999, S. 160). Sie können dies mit dem GLIMMIX-Verfahren erreichen, indem Sie die ORDER - und REF-Optionen kombinieren, wie in den folgenden Aussagen: Die Option ORDERFREQ ordnet die Kategorien mit absteigender Frequenz an. Die Option REFFIRST wählt dann die Antwortkategorie mit der niedrigsten geordneten Valuethe am häufigsten Kategorie die Referenz.