কীভাবে অর্ডিনাল শ্রেণিবদ্ধ ভেরিয়েবলকে স্বাধীন ভেরিয়েবল হিসাবে পরিচালনা করতে হয়

Question

আমি লগিট মডেলটি ব্যবহার করছি। আমার নির্ভরশীল পরিবর্তনশীল বাইনারি হয়। তবে একটি স্বাধীন পরিবর্তনশীল যা শ্রেণীগত এবং প্রতিক্রিয়া রয়েছে রয়েছে: 1.very good, 2.good, 3.average, 4.poor and 5.very poor। সুতরাং, এটি অর্ডিনাল ("পরিমাণগত শ্রেণীবদ্ধ")। মডেলটিতে কীভাবে এটি পরিচালনা করবেন তা সম্পর্কে আমি নিশ্চিত নই। আমি ব্যবহার করছি gretl।

[@Ttnphns থেকে দ্রষ্টব্য: যদিও প্রশ্নটি বলেছে যে মডেলটি লজিট (কারণ নির্ভরশীল শ্রেণিবদ্ধ) তবে গুরুত্বপূর্ণ সমস্যাটি - অর্ডিনাল স্বতন্ত্র ভেরিয়েবলগুলি মূলত একই রকম, নির্ভরশীল শ্রেণিবদ্ধ বা পরিমাণগত হতে হবে। সুতরাং প্রশ্নটি লিনিয়ার রিগ্রেশন-এর সাথেও সমান প্রাসঙ্গিক - কারণ এটি লজিস্টিক রিগ্রেশন বা অন্যান্য লজিট মডেল]

Comments

আমার নির্ভরশীল ভেরিয়েবলের মান 0 এবং 1 লাগে, আমার 6 টি স্বতন্ত্র ভেরিয়েবল রয়েছে, এর মধ্যে 3 এই পরিবর্তনশীলগুলির মতো এইগুলি হল "আপনার অঞ্চলে স্থানীয় স্বাস্থ্যসেবা কীভাবে আপনি নির্ধারণ করবেন? আপনি কীভাবে আপনার অঞ্চলে স্থানীয় পরিবহনের হার নির্ধারণ করেন এবং কীভাবে আপনি হার নির্ধারণ করেন? আপনার অঞ্চলে পুলিশ পরিষেবা? প্রতিক্রিয়াগুলি খুব ভাল, ভাল, গড়, দরিদ্র এবং খুব দরিদ্র

— রহমত

@ টিম নির্ভরশীল পরিবর্তনশীল যদি বাইনারি হয় তবে কোনও অরডিনাল রিগ্রেশন দরকার হয় না। ইঙ্গিতটি হ'ল সূচক (ডামি) ভেরিয়েবলগুলি ব্যবহার করে অর্ডিনাল ভবিষ্যদ্বাণী পরিচালনা করা।

— নিক কক্স

থ্যাঙ্কস টিম, আমি যদি ভুল করে বলি না তবে আপনি যা বলছেন তা হল আমার সমস্ত বিভাগের জন্য ডামি তৈরি করা উচিত ?? উদাহরণস্বরূপ আমার এক ইন্ডিপ ভেরিয়েবলের জন্য আমার পাঁচটি প্রতিক্রিয়া রয়েছে (খুব ভাল, ভাল, গড়, দরিদ্র এবং খুব দরিদ্র), সুতরাং আমার 5 টি ডামি তৈরি করা উচিত।

— রহমত

Answer 1

অর্ডিনাল ইন্ডিপেন্ডেন্ট ভেরিয়েবলের সমস্যা হ'ল যেহেতু সংজ্ঞা অনুসারে, এর স্তরগুলির মধ্যে প্রকৃত মেট্রিক অন্তরগুলি হয় না জানা যায় , উপযুক্ত ধরণের সম্পর্ক - ছাতা "একঘেয়েতী" বাদে - এপরিওরি ধরে নেওয়া যেতে পারে। আমাদের এ সম্পর্কে কিছু করতে হবে, উদাহরণস্বরূপ - "স্ক্রিনে বা রূপগুলি একত্রিত করতে" বা "কোন কিছু সর্বাধিক করে তোলে তা পছন্দ করা"।

যদি আপনি আপনার পছন্দসই রেটিং IV কে অর্ডিনাল হিসাবে বিবেচনা করার জন্য জোর দেন (অন্তর বা নামমাত্রের চেয়ে) আমি আপনার জন্য এক জোড়া বিকল্প পেয়েছি।

1. বহুবর্ষীয় বিপরীতে ব্যবহার করুন অর্থাত মডেলটিতে ব্যবহৃত প্রতিটি ভবিষ্যদ্বাণী কেবল রৈখিকভাবে নয় চতুর্ভুজ এবং ঘনক্ষেত্রেও প্রবেশ করে। সুতরাং, কেবল রৈখিকই নয়, আরও সাধারণভাবে, একঘেয়ে প্রভাবটি ধরা যায় (লিনিয়ার এফেক্টটি স্কেল / ইন্টারভাল হিসাবে রাখা প্রেডিক্টরের সাথে মিলে যায় এবং অন্যান্য দুটি এফেক্টস এটি ননকোয়াল অন্তর হিসাবে স্বাদযুক্ত)। অতিরিক্তভাবে, প্রতিটি ভবিষ্যদ্বাণীকের ডামি পাশাপাশি প্রবেশ করা যেতে পারে, যা নামমাত্র / ফ্যাক্টরিয়াল প্রভাবের জন্য পরীক্ষা করবে। এই সমস্ত কিছুর শেষে, আপনি জানেন যে আপনার ভবিষ্যদ্বাণী ফ্যাক্টর হিসাবে কতটা কাজ করে, কত লিনিয়ার কোভারিয়েট হয় এবং ননলাইনার কোভারিয়েট কতটা। এই বিকল্পটি প্রায় কোনও রিগ্রেশন (লিনিয়ার, লজিস্টিক, অন্যান্য জেনারালাইজড-লিনিয়ার মডেল) এ করা সহজ। এটি df গ্রাস করবে গুলি , সুতরাং নমুনার আকারটি যথেষ্ট পরিমাণে বড় হওয়া উচিত।
2. অনুকূল স্কেলিং ব্যবহার করুন রিগ্রেশন । ভবিষ্যদ্বাণীকের উপর রৈখিক প্রভাব সর্বাধিকতর করার জন্য এই পদ্ধতির একঘেয়েমিকভাবে একটি অর্ডিনাল ভবিষ্যদ্বাণীকে রূপান্তরিত করে। ক্যাট্রেগ (শ্রেণিবদ্ধ রিগ্রেশন) এসপিএসএসে এই ধারণার একটি বাস্তবায়ন। আপনার নির্দিষ্ট ক্ষেত্রে একটি সমস্যা হ'ল আপনি লজিস্টিক করতে চান, লিনিয়ার রিগ্রেশন নয়, তবে ক্যাট্রেজ লজিট মডেল ভিত্তিক নয়। আপনার ভবিষ্যদ্বাণীটি কেবলমাত্র 2-বিভাগের (বাইনারি) হওয়ায় এই বাধা তুলনামূলকভাবে অপেক্ষাকৃত ছোট: আমার অর্থ আপনি এখনও সর্বোত্তম স্কেলিংয়ের জন্য ক্যাট্রেগ করতে পারেন, তারপরে নির্বাচিত রুপান্তরিত স্কেল পূর্বাভাসকগণের সাথে চূড়ান্ত লজিস্টিক রিগ্রেশন করুন।
3. আরও লক্ষ করুন যে এক স্কেল বা অরডিনাল ডিভি এবং একটি সাধারণ অর্ধবৃত্তীয় চতুর্থ জোনকিয়ার-টেরপস্ট্রার পরীক্ষাটি রিগ্রেশনের পরিবর্তে যুক্তিসঙ্গত বিশ্লেষণ হতে পারে।

অন্যান্য পরামর্শও থাকতে পারে। উপরের তিনটি হ'ল তাড়াতাড়ি আপনার প্রশ্নটি পড়ে আমার মনে আসবে।

আমি আপনাকে এই থ্রেডগুলি দেখার জন্যও প্রস্তাব দিই: নামমাত্র এবং স্কেল বা অর্ডিনালের মধ্যে সংযুক্ত ; অর্ডিনাল এবং স্কেলের মধ্যে সংযুক্ত । তারা সহায়ক হতে পারে সত্ত্বেও তারা সুনির্দিষ্টভাবে সংবেদনগুলি সম্পর্কে নয়।

তবে এই থ্রেডগুলি রিগ্রেশনগুলি সম্পর্কে, বিশেষত যৌক্তিক: আপনার অবশ্যই ভিতরে থাকা উচিত: এক , দুই , তিন , চার , পাঁচ ।

Comments

(+1) (1) আপনি যদি যথেষ্ট মনে করেন তবে আপনি কেবল প্রথম কয়েকটি বহুভিত্তিক বিপরীতে ব্যবহার করতে পারেন। (২) একই ডেটা সেটে প্রতিক্রিয়া থেকে ভবিষ্যদ্বাণীকারীদের সংজ্ঞা দেওয়া স্বাস্থ্যের সতর্কতা সহ আসা উচিত। (3) আপনি সংলগ্ন স্তরের সহগগুলির মধ্যে পার্থক্যকেও শাস্তি দিতে পারেন - দেখুন stats.stackexchange.com/q/77796/17230 ।

— স্কর্চচি - মনিকা পুনরায় ইনস্টল করুন

@ স্কোর্টচি, মন্তব্যের জন্য আপনাকে ধন্যবাদ। (২) সম্পর্কিত - হ্যাঁ, বিশেষত, চূড়ান্ত রিগ্রেশন করা হবে এমন তথ্যের পৃথক উপসেটটিতে অনুকূল স্কেলিং করা অবশ্যই বেশি নির্ভরযোগ্য। (3) - ধন্যবাদ, আমিও এর সাথে নিজেকে পরিচিত করব।

— ttnphns

আর একটি বিকল্প হ'ল একটি আদিম মডেল ব্যবহার করা এবং একটি স্প্লাইনের মাধ্যমে অর্ডিনাল স্বতন্ত্র পরিবর্তনশীলকে উপস্থাপন করা।

— কেজেটিল বি হালওয়ারসেন

@ কেজেটিভালভর্সেন, হ্যাঁ এটি সম্ভব, ধন্যবাদ এই বিকল্পটি ইতিমধ্যে পিটি 2 তে অন্তর্ভুক্ত রয়েছে কারণ অর্ডিনাল ভেরিয়েবলগুলির জন্য সর্বোত্তম স্কেলিংয়ের একটি পদ্ধতি স্প্লাইন ব্যবহার করে।

— ttnphns

Answer 2

কেবলমাত্র অন্য দুর্দান্ত উত্তরে যুক্ত করার জন্য: এটি পরিচালনা করার একটি আধুনিক উপায় একটি অ্যাডেটিভ মডেলের মাধ্যমে হতে পারে, একটি স্প্লাইনের মাধ্যমে অরিডিনাল স্বতন্ত্র পরিবর্তনশীলকে উপস্থাপন করে। আপনি যদি নিশ্চিত হন যে ভেরিয়েবলের প্রভাবটি একজাতীয় হয় তবে আপনি একঘেয়ে স্প্লাইনে সীমাবদ্ধ রাখতে পারেন। (ব্যবহারে মনোোটোন স্প্লাইজের উদাহরণের জন্য, সিগময়েড-জাতীয় বক্ররেখার জন্য উপযুক্ত ফাংশন সন্ধান করুন )।

আর-তে, যদি আপনি অর্ডিনাল প্রেডিক্টরটিকে "অর্ডারযুক্ত ফ্যাক্টর" করেন (উদাহরণস্বরূপ কোড সহ ord <- factor(sample(1:5,20,replace=TRUE),ordered=TRUE) ) তবে একটি রৈখিক মডেলে এটি অরথোগোনাল বহুবচন দ্বারা প্রতিনিধিত্ব করা হবে।

Comments

এটি অর্ডিনাল পূর্বাভাসকারীদের সাথে কীভাবে কাজ করবে সে সম্পর্কে আরও কয়েকটি বিশদ অন্তর্ভুক্ত করার জন্য এটি কিছুটা প্রসারিত করেই দুর্দান্ত লাগবে।

— ttnphns

Answer 3

আপনার ডামি ভেরিয়েবল দরকার তবে আপনার দরকার $k-1$ ডামি ভেরিয়েবল, যেখানে $k$সম্ভাব্য প্রতিক্রিয়ার সংখ্যা। আপনার ক্ষেত্রে 5 টি প্রতিক্রিয়ার মান (1-5) দিয়ে আপনি 4 টি ডামি ভেরিয়েবল তৈরি করবেন। যখন কোনও প্রতিক্রিয়া "5" হয় তখন আপনার চারটি ডামি ভেরিয়েবল সমস্ত 0 এর হতে পারে। ধারণা তৈরী কর?

Comments

আমি একতরফাভাবে (এবং পেডেন্টালি বা অন্যথায়) আপনার স্বাক্ষরকরণের ক্ষুদ্র ব্যবহার পরিবর্তন করেছি। যদিও এটি তুচ্ছ,$n$সাধারণত পর্যবেক্ষণগুলির একটি গণনা হয় এবং আমি প্রায়শই দেখেছি নতুনদের এই জাতীয় বিষয়ে বিভ্রান্ত হতে।

— নিক কক্স

ধন্যবাদ টিম এবং নিক। তাই আমাকে রিগ্রেশনটিতে চারটি ডামি চালাতে হবে। ঠিক আছে? যদি তাই হয় তবে আমার কাছে 5 টি প্রতিক্রিয়া সহ 3 টি স্পষ্টিকর ভেরিয়েবল রয়েছে। অতএব, আমার মডেলটিতে 12 ভেরিয়েবল থাকবে। ঠিক আছে?

— রহমত

ধন্যবাদ @ নিককক্স - আমি সিভি বিশ্বে নতুন এবং সম্মানজনক সংশোধনের প্রশংসা করছি

— অস্টিন টি

দুর্ভাগ্যক্রমে, ডামি ভেরিয়েবলগুলি কেন মোটেই প্রয়োজন হবে তা আপনি ব্যাখ্যা করেন নি। আমি মনে করি না যে এই উত্তরটি বর্তমানে এটি কীভাবে প্রশ্নের উত্তর হিসাবে দেখায়।

— ttnphns

সমর্থনে, আমি মনে করি না যে এটি যুক্তিযুক্ত একটি বিষয় যা সূচকের প্রয়োজন হয় ; এটি কেবলমাত্র যে তারা অ-একঘেয়েমিক সম্পর্ক সহ বিভিন্ন প্রভাব ক্যাপচার করতে দেয়।

— নিক কক্স