Methoden in Binäres logistisches Modell anpassen

Wählen Sie die gewünschte Methode oder Formel aus.

Faktoren-/Kovariatenmuster

Beschreibt einen einzelnen Satz von Faktoren-/Kovariatenwerten in einem Datensatz. Minitab berechnet für jedes Faktoren-/Kovariatenmuster Ereigniswahrscheinlichkeiten, Residuen und weitere Bewertungsmaße.

Wenn ein Datensatz beispielsweise die Faktoren Geschlecht und Ethnie sowie die Kovariate Alter enthält, können die Kombinationen dieser Prädiktoren so viele verschiedene Kovariatenmuster wie Probanden enthalten. Wenn ein Datensatz nur die Faktoren Ethnie und Geschlecht enthält, die jeweils auf zwei Stufen kodiert sind, gibt es nur vier mögliche Faktoren-/Kovariatenmuster. Wenn Sie die Daten als Häufigkeiten oder als Erfolge, Versuche oder Misserfolge eingeben, enthält jede Zeile ein Faktoren-/Kovariatenmuster.

Interne Gewichtungen für Binäres logistisches Modell anpassen

Bei verallgemeinerten linearen Modellen ist die Gewichtungsmatrix in den Fällen, in denen Sie keine Gewichtungen angeben, nicht die Identitätsmatrix. Sie können sich die internen Gewichtungen so vorstellen, dass sie Beobachtungen mit mehr Daten mehr Einfluss in der Analysegeben. Beispielsweise ist die interne Gewichtung bei der Anpassung eines binären logistischen Modells tendenziell größer, wenn die Anzahl der Versuche größer ist.

Formel

Die folgenden Formeln geben die internen Gewichtungen für bestimmte Linkfunktionen an:
Logit
Normit
Gompit

Notation

BegriffBeschreibung
mithe number of trials for the i-te row
the predicted probability for the design point in a binary logistic model
yithe number of events for the i-te row
the inverse cumulative distribution function of the standard normal distribution for the predicted probability in a binary logistic model

So entfernt Minitab stark korrelierte Prädiktoren aus der Regressionsgleichung in Binäres logistisches Modell anpassen

Sei rij das Element in der aktuellen mit der SWEEP-Methode behandelten Matrix, das xi und xj zugeordnet ist.

Variablen werden einzeln aufgenommen bzw. entfernt. xk kommt für die Aufnahme in Frage, wenn es sich um eine unabhängige Variable handelt, die aktuell nicht im Modell enthalten ist und bei der rkk ≥ 1 ist (Toleranz mit einem Standardwert von 0,0001) und bei der außerdem für jede Variable xj, die sich aktuell im Modell befindet, Folgendes gilt:

Minitab führt die folgenden Schritte aus, um stark korrelierte Prädiktoren aus einer Regressionsgleichung zu entfernen:
  1. Minitab wendet die SWEEP-Methode auf die Korrelationsmatrix R an und behandelt x1 … xp dabei wie Zufallsvariablen.
  2. Für stetige Prädiktoren vergleicht Minitab das Element rkk mit der Toleranz; rkk ≥ Toleranz, wobei k = 1 bis p.
  3. Für jede aktuell im Modell enthaltene Variable xj prüft Minitab, ob (rjj – rjk * (rkj / rkk)) * Toleranz ≤ 1 ist.
    Hinweis

    Hierbei sind rkk, rjk, rjj die entsprechenden diagonalen und nicht diagonalen Elemente für die Variablen xj und xk nach Ausführung der SWEEP-Operationen für k Schritte.

  4. Anderenfalls besteht der Prädiktor den Test nicht und wird aus dem Modell entfernt.
    Hinweis

    Der Standardwert für die Toleranz ist 8,8e–12.

Hinweis

Sie können den Unterbefehl TOLERANCE mit dem Sessionbefehl GZLM verwenden, um zu erzwingen, dass Minitab einen Prädiktor im Modell beibehält, der stark mit einem anderen Prädiktor korreliert. Das Absenken der Toleranz ist jedoch nicht ohne Risiko, da so möglicherweise numerisch ungenaue Ergebnisse entstehen.

Durch Ihre Nutzung dieser Website stimmen Sie zu, dass Cookies verwendet werden. Cookies dienen zu Analysezwecken und zum Bereitstellen personalisierter Inhalte.  Lesen Sie unsere Richtlinien