क्या मैं कई प्रतिगमन का उपयोग कर सकता हूं जब मैंने श्रेणीबद्ध और निरंतर भविष्यवाणियों को मिलाया है?

12

ऐसा लगता है कि आप एक श्रेणीगत चर के लिए कोडिंग का उपयोग कर सकते हैं, लेकिन मेरे पास दो श्रेणीबद्ध और एक निरंतर पूर्वानुमानकर्ता चर है। क्या मैं SPSS में इसके लिए कई प्रतिगमन का उपयोग कर सकता हूं और यदि हां तो कैसे? धन्यवाद!

मुझे यकीन है कि आप कर सकते हैं , लेकिन मुझे डर है कि मुझे पता नहीं कैसे !

— OneStop

मैं एसपीएसएस के साथ आने वाले सहायता दस्तावेज में प्रतिगमन जैसा कुछ लिखने का सुझाव दूंगा। रोटी और किसी भी आँकड़े पैकेज के लिए मक्खन सामान होना चाहिए

— probabilityislogic

मुझे नहीं पता कि एक स्पष्ट चर के लिए कोडिंग से आपका क्या मतलब है। क्या आप वाक्य रचना में एक उदाहरण दे सकते हैं? क्या आपका आश्रित चर निरंतर या श्रेणीबद्ध है?

— एंडी डब्ल्यू

8

यदि यह एक SPSS सिंटैक्स प्रश्न है, तो उत्तर को केवल एक के साथ-साथ "स्वतंत्र चर" के लिए वैरिएबल सूची में उचित रूप से वर्गीकृत किया गया है।
आंकड़ों पर: क्या आपका श्रेणीबद्ध चर द्विआधारी है? यदि हां, तो आपको एक डमी या अन्य मान्य कंट्रास्ट कोड का उपयोग करने की आवश्यकता है। यदि यह द्विआधारी नहीं है, तो क्या आपका श्रेणीगत चर अध्यादेश या नाममात्र है? यदि नाममात्र है, तो फिर से, आपको कुछ विपरीत कोड रणनीति का उपयोग करना होगा - प्रभाव में परिणाम या "निर्भर" चर पर चर के प्रत्येक स्तर के प्रभाव को मॉडलिंग करना। यदि श्रेणीगत चर सामान्य है, तो सबसे अधिक संभावना हैसमझदार बात यह है कि इसे मॉडल के रूप में दर्ज करना है, जैसा कि आप एक निरंतर भविष्यवक्ता (यानी, "स्वतंत्र") चर के साथ करेंगे। आप अनुमान लगा रहे होंगे, उस मामले में, श्रेणीबद्ध भविष्यवक्ता ("इंडिपेंडेंट") चर के स्तर के बीच की वृद्धि; केवल शायद ही कभी यह एक गलती होगी, लेकिन जब यह है, तो आपको फिर से एक विपरीत कोड का उपयोग करना चाहिए और प्रत्येक स्तर के प्रभाव को मॉडल करना चाहिए। यह सवाल इस मंच पर अक्सर आता है - यहाँ एक अच्छा एनाल्जेसिस है
लापता डेटा को कैसे संभालना है, मेरे विचार में, एक पूरी तरह से अलग मामला है। मेरी समझ यह है कि बहुविकल्पी प्रतिगमन के लिए युग्मक विलोपन को एक मान्य दृष्टिकोण के रूप में नहीं देखा जाता है। Listwise बहुत आम है, लेकिन परिणाम भी पूर्वाग्रह कर सकते हैं और निश्चित रूप से एक शर्म की बात है। एकाधिक प्रतिरूपण सुंदरता की चीज है।

— dmk38
स्रोत

मेरे पास DMK38 के लिए एक प्रश्न है। ऊपर आप लिखते हैं कि एक मॉडल में एक श्रेणीगत चर जोड़ना ठीक है, जैसा कि यह सामान्य है। मैं इसे पढ़कर खुश हूं;; क्या आपके पास एक अच्छा स्रोत है जो उल्लेख करता है कि मैं भी इसे अपने पेपर में जोड़ सकता हूं? उत्तर देने के लिए आपका धन्यवाद! लिलियन

— लिलियन जांस-बीकेन

1

@ LilianJans-Beken: क्रमिक स्वतंत्र चर और लॉजिस्टिक प्रतिगमन और क्रमिक स्वतंत्र चर के साथ निरंतर निर्भर चर देखें । आप और अधिक जटिल तरीकों के लिए नहीं जाना चाहते हैं, लेकिन ध्यान दें कि भले ही आप भविष्यवक्ता को अंतराल-स्केल के रूप में विचार करने के लिए खुश हों, यह प्रतिक्रिया के साथ एक रैखिक संबंध बनाने के लिए विवश करना आवश्यक नहीं है। और कुछ और समझदार होने पर सन्निहित स्तरों के बीच समान अंतराल मानने के लिए बाध्य न हों ।

— Scortchi - को पुनः स्थापित मोनिका

1

@ LilianJans-Beken: इसके अलावा स्वतंत्र चर के रूप में क्रमिक श्रेणीगत चर को कैसे संभालना है और क्रमिक स्वतंत्र चर के साथ लॉगिट । ओह, और वेलिडेटेड क्रॉस में आपका स्वागत है!

— Scortchi - को पुनः स्थापित मोनिका

2

आप निश्चित रूप से उसी विधि का पालन कर सकते हैं जिसका उपयोग आप पहले श्रेणीबद्ध भविष्यवक्ता के लिए करेंगे। डमी वैरिएबल बनाएं जैसे आप पहले ऐसे वैरिएबल के लिए बनाते हैं। लेकिन एसपीएसएस की यूनियानोवा कमांड का उपयोग करना अक्सर आसान होता है। आप इसे किसी भी मुद्रित या pdf'd सिंटैक्स गाइड में देख सकते हैं, या आप इसे एनालाइज ... जनरल लीनियर मॉडल ... यूनीवेरिएट के माध्यम से एक्सेस कर सकते हैं।

थोड़ा और अधिक जटिल होने के बावजूद, रिग्रेशन कमांड में अनियनोवा पर कई फायदे हैं, हालांकि। मुख्य एक यह है कि आप 'लापता जोड़ीदार' का चयन कर सकते हैं (आपको केवल एक मामला खोना नहीं है क्योंकि यह एक या दो भविष्यवक्ताओं के लिए एक मूल्य याद कर रहा है)। आप आंशिक प्लॉट और प्रभाव सांख्यिकी जैसे कई मूल्यवान निदान भी प्राप्त कर सकते हैं।

— rolando2
स्रोत

1

@ rolando - अच्छा जवाब। कहा जा रहा है, लापता जोड़ीदार दृष्टिकोण प्रभावों की तुलना को भ्रमित करने के लिए करते हैं, क्योंकि वे विभिन्न संख्याओं पर आधारित होते हैं। ध्यान में रखने के लिए कुछ हो सकता है।

— रिचमीमोर्रिसो

मुझे लगता है कि आपकी थोड़ी उलझन, जोड़ी-वार गायब केवल तभी मायने रखती है जब आपका रनिंग पूरी तरह से अलग मॉडल (जैसे कि स्टेप-वार मॉडल चयन प्रक्रिया का उपयोग करना) हो। यदि आपका मॉडल में सभी चर दर्ज करता है, तो यह अभी भी लापता मानों को सूची-वार छोड़ देता है।

— एंडी डब्ल्यू

@ richiemorrisroe - मैं सहमत हूँ, ध्यान में रखने लायक। @ एंडी डब्ल्यू - एसपीएसएस में बस पुष्टि की गई है कि, केवल जबरन प्रवेश का उपयोग करते हुए, जोड़ीदार और अनुपस्थित सूची को गायब करने से प्रत्येक डीएफ सहित हर सम्मान में अलग-अलग परिणाम मिलते हैं।

— rolando2

मुझे अभी भी आपका भ्रम है, जब तक कि लापता डेटा के लिए मान नहीं बनता है, तो SPSS गुम जोड़ी को घोषित करके परिणामों के विभिन्न सेट कैसे लौटा सकता है? यहाँ एक उदाहरण है जो मैंने एक पाठ फ़ाइल, dl.dropbox.com/u/3385251/SPSS_missing_Listwise_vs_Pairwise.txt में पोस्ट किए गए सिम्युलेटेड डेटा का उपयोग करके किया है । मैंने वर्तमान में आपके उत्तर को अस्वीकार कर दिया है, क्योंकि यह सब इस बारे में बात करता है कि कैसे प्रतिगमन आदेश अनुपस्थित डेटा को संभालता है भ्रामक है, ओपी के मूल प्रश्न से कोई लेना-देना नहीं है और भ्रामक होने की संभावना है।

— एंडी डब्ल्यू

1

SPSS में मॉडल में उपयोग के लिए डमी चर का एक सेट में श्रेणीबद्ध चर को चालू करने का एक सरल तरीका डू रिपीट सिंटैक्स का उपयोग करना है। यदि आपके श्रेणीबद्ध चर संख्यात्मक क्रम में हैं, तो यह उपयोग करने के लिए सबसे सरल है।

*making vector of dummy variables.
vector dummy(3,F1.0).
*looping through dummy variables using do repeat, in this example category would be the categorical variable to recode. 
do repeat dummy = dummy1 to dummy3 /#i = 1 to 3.
compute dummy = 0.
if category = #i dummy = 1.
end repeat.
execute.

अन्यथा आप बस अपने डमी चर बनाने के लिए बयानों का एक सेट चला सकते हैं। मेरे वर्तमान संस्करण (16) में प्रतिगमन कमांड में स्वचालित रूप से डमी चर का एक सेट निर्दिष्ट करने की कोई मूल क्षमता नहीं है (जैसे कि आप xi कमांड का उपयोग करके स्टाटा में कर सकते हैं ) लेकिन मुझे आश्चर्य नहीं होगा यदि यह कुछ नए संस्करण में उपलब्ध है। इसके अलावा dmk38 के बिंदु # 2 पर ध्यान दें, यह कोडिंग योजना नाममात्र श्रेणियां मान रही है। यदि आपका चर सामान्य है तो अधिक विवेक का उपयोग किया जा सकता है।

मैं dmk38 से भी सहमत हूं और प्रतिगमन के बारे में बात करने से बेहतर है कि किसी विशेष तरीके से लापता डेटा को निर्दिष्ट करने की क्षमता पूरी तरह से अलग मुद्दा है।

— एंडी डब्ल्यू
स्रोत