क्रमिक स्वतंत्र चर के साथ समस्या यह है कि चूंकि, परिभाषा के अनुसार, इसके स्तरों के बीच का वास्तविक मीट्रिक अंतराल ज्ञात नहीं है , कोई उपयुक्त प्रकार का संबंध नहीं है - छतरी "मोनोटोनिक" के अलावा - एपीरीरी माना जा सकता है। हमें इसके बारे में कुछ करना है, उदाहरण के लिए - "स्क्रीन या वेरिएंट को संयोजित करने के लिए" या "कुछ को अधिकतम करने के लिए पसंद करें"।
यदि आप अपनी संभावित रेटिंग IV को आर्डिनल (इंटरवल या नॉमिनल के बजाय) मानने पर जोर देते हैं, तो मुझे आपके लिए विकल्पों की एक जोड़ी मिल गई है।
- बहुपद विरोधाभासों का उपयोग करें यानी मॉडल में उपयोग किया जाने वाला प्रत्येक ऐसा पूर्वानुमान न केवल रैखिक रूप से, बल्कि द्विघात और मूल रूप से भी प्रवेश करता है। तो, न केवल रैखिक, बल्कि अधिक सामान्य, मोनोटोनिक प्रभाव को कैप्चर किया जा सकता है (रैखिक प्रभाव पैमाने / अंतराल के रूप में रखे गए भविष्यवक्ता से मेल खाता है और अन्य दो प्रभाव इसे गैर-अंतराल अंतराल के रूप में चखते हैं)। इसके अतिरिक्त, प्रत्येक भविष्यवक्ता की डमी को भी दर्ज किया जा सकता है, जो नाममात्र / तथ्यात्मक प्रभाव के लिए परीक्षण करेगा। उस सब के अंत में, आप जानते हैं कि आपका भविष्यवक्ता कारक के रूप में कितना कार्य करता है, रेखीय कोवरिएट के रूप में कितना, और नॉनलाइनियर कोवरिएट के रूप में कितना। यह विकल्प लगभग किसी भी प्रतिगमन (रैखिक, रसद, अन्य सामान्यीकृत-रैखिक मॉडल) में करना आसान है। यह डीएफ एस का उपभोग करेगा , इसलिए नमूना का आकार काफी बड़ा होना चाहिए।
- इष्टतम स्केलिंग प्रतिगमन का उपयोग करें । यह दृष्टिकोण एक अंतराल में एक क्रमिक भविष्यवक्ता को एक रूपांतर में बदल देता है ताकि पूर्वानुमान पर रैखिक प्रभाव को अधिकतम किया जा सके। CATREG (श्रेणीबद्ध प्रतिगमन) SPSS में इस विचार का कार्यान्वयन है। आपके विशिष्ट मामले की एक समस्या यह है कि आप लॉजिस्टिक करना चाहते हैं, रेखीय प्रतिगमन नहीं, लेकिन CATREG लॉगिट आधारित मॉडल नहीं है। मुझे लगता है कि यह बाधा अपेक्षाकृत मामूली है क्योंकि आपका पूर्वानुमान केवल 2-श्रेणी (बाइनरी) है: मेरा मतलब है कि आप अभी भी इष्टतम स्केलिंग के लिए CATREG कर सकते हैं, फिर अंतिम रूपांतरित स्केल भविष्यवक्ताओं के साथ अंतिम लॉजिस्टिक प्रतिगमन करें।
- यह भी ध्यान दें कि एक स्केल या ऑर्डिनल डीवी के सरल मामले में और एक ऑर्डिनल IV जोन्केयर-टेरपस्ट्रा टेस्ट रिग्रेशन के बजाय एक उचित विश्लेषण हो सकता है।
अन्य सुझाव भी हो सकते हैं। उपरोक्त तीनों आपके प्रश्न को पढ़ने के तुरंत बाद मेरे दिमाग में आते हैं।
मुझे आपको इन थ्रेड्स पर भी जाने की सलाह देते हैं: नाममात्र और पैमाने या अध्यादेश के बीच संबंध ; ऑर्डिनल और स्केल के बीच जुड़ाव । वे इसके बावजूद मददगार हो सकते हैं कि वे विशिष्ट प्रतिगमन के बारे में नहीं हैं।
लेकिन ये धागे विशेष रूप से लॉजिस्टिक के बारे में हैं: आपको अंदर देखना होगा: एक , दो , तीन , चार , पांच ।