Ordinale logistische regressie

Ordinale logistische regressie is een statistisch model om het verband te analyseren tussen een of meer voorspellers en een responsvariabele met drie of meer geordende categorieën. De categorieën hebben een natuurlijke rangorde of volgorde, zoals laag/gemiddeld/hoog of oneens/neutraal/eens, maar de exacte afstand ertussen is niet meetbaar.

Laatst beoordeeld

Belangrijkste conclusie

Ordinale logistische regressie is een statistisch model om het verband te analyseren tussen een of meer voorspellers en een responsvariabele met drie of meer geordende categorieën.

Op deze pagina
  1. Wat is ordinale logistische regressie?
  2. Wanneer gebruikt u ordinale logistische regressie?
  3. Richtlijnen voor correct gebruik van ordinale logistische regressie
  4. Alternatieven: wanneer u ordinale logistische regressie niet gebruikt
  5. Voorbeeld van ordinale logistische regressie
  6. Zo voert u ordinale logistische regressie uit

Wat is ordinale logistische regressie?

Ordinale logistische regressie is een statistisch model om het verband te analyseren tussen een of meer voorspellers en een responsvariabele met drie of meer geordende categorieën. De categorieën hebben een natuurlijke rangorde of volgorde, zoals laag/gemiddeld/hoog of oneens/neutraal/eens, maar de exacte afstand ertussen is niet meetbaar. Het model voorspelt op basis van de voorspellers de kans om in elke categorie terecht te komen.

Wanneer gebruikt u ordinale logistische regressie?

Voorspellers

  • Voorspellers kunnen continu, categorisch of een mix van beide zijn
  • Discrete variabelen kunnen als continu of categorisch worden behandeld, afhankelijk van het aantal niveaus en het doel van de analyse
  • Slechts één continue voorspeller met een continue respons → gebruik Gefitte-lijnplot
  • Meerdere voorspellers met een continue respons → gebruik Regressiemodel fitten

Responsvariabele

  • De respons moet drie of meer geordende categorieën hebben met een natuurlijke rangorde (bijv. laag/gemiddeld/hoog, nooit/soms/altijd)
  • De volgorde is van belang, maar de afstand tussen categorieën hoeft niet gelijk te zijn
  • De respons heeft slechts twee categorieën (goed/fout) → gebruik Binaire logistische regressie
  • De respons heeft ongeordende categorieën (kras/deuk/scheur) → gebruik Nominale logistische regressie
  • De respons is continu → gebruik Regressiemodel fitten of Gefitte-lijnplot

Richtlijnen voor correct gebruik van ordinale logistische regressie

  • Zorg dat de responsvariabele drie of meer categorieën met een betekenisvolle volgordeheeft; als de volgorde er niet toe doet, gebruik dan in plaats daarvan nominale logistische regressie.
  • Voorspellers kunnen continu of categorischzijn; zorg dat elke voorspeller correct is ingedeeld voordat u het model uitvoert.
  • Zorg dat de gegevens de doelpopulatie nauwkeurig weergeven; vertekende of onvolledige gegevens leveren onbetrouwbare resultaten op.
  • Verzamel voldoende datapunten per categorie voor stabiele en betrouwbare kansschattingen over alle responsniveaus.
  • Meet alle variabelen zo nauwkeurig mogelijk; fouten in classificatie of meting beïnvloeden de nauwkeurigheid van het model rechtstreeks.
  • Leg gegevens vast in de volgorde waarin ze zijn verzameld om eventuele tijdgebonden trends of inconsistenties te kunnen opsporen.
  • Valideer het model na het fitten met de statistieken voor de aanpassingskwaliteit en residudiagnostiek; een slecht passend model levert misleidende voorspellingen op.
  • Controleer de aanname van proportionele odds : ordinale logistische regressie gaat ervan uit dat het verband tussen elk paar uitkomstgroepen consistent is. Als deze aanname wordt geschonden, overweeg dan in plaats daarvan nominale logistische regressie.

Alternatieven: wanneer u ordinale logistische regressie niet gebruikt

  • Als de respons slechts twee categorieën heeft (bijv. goed/fout), gebruik dan in plaats daarvan Binaire logistische regressie .
  • Als de responscategorieën geen natuurlijke volgorde hebben (bijv. kras/deuk/scheur), gebruik dan in plaats daarvan Nominale logistische regressie .
  • Als de responsvariabele continuis, gebruik dan in plaats daarvan Regressiemodel fitten of Gefitte-lijnplot .
  • Als u slechts één continue voorspeller en een continue respons hebt, gebruik dan in plaats daarvan Gefitte-lijnplot .
  • Als u meerdere voorspellers en een continue respons hebt, gebruik dan in plaats daarvan Regressiemodel fitten .

Voorbeeld van ordinale logistische regressie

Een manager van een huisartsenpraktijk wil weten welke factoren de tevredenheid van patiënten beïnvloeden. Patiënten worden gevraagd hoe waarschijnlijk het is dat zij terugkomen voor vervolgzorg, met antwoorden in de categorieën onwaarschijnlijk, enigszins waarschijnlijk of zeer waarschijnlijk. Omdat deze responscategorieën een natuurlijke volgorde hebben, behandelt de manager de uitkomst als ordinale variabele en gebruikt hij ordinale logistische regressie om het verband te onderzoeken tussen de kans dat patiënten terugkomen en voorspellers zoals arbeidsstatus, leeftijd en afstand tot de praktijk. Een significantieniveau van 0.05 wordt gebruikt om de statistische significantie en de aanpassingskwaliteit van het model te beoordelen. De volgende stappen:

  1. De benodigde gegevens verzameld.
Ordinal Logistic Regression — figure 1
  1. Analyseer de gegevens nu in Zometric Statistical Software op https://statsai.zometric.com/.
  2. Kies voor ordinale logistische regressie Statistical module> Regression>Ordinal Logistic Regression.
  3. Voer in de tool de gegevens samen met de andere invoer als volgt in:
Ordinal Logistic Regression — figure 2

5. Na gebruik van bovenstaande tool wordt de uitvoer als volgt weergegeven

Ordinal Logistic Regression — figure 3Ordinal Logistic Regression — figure 4

Zo voert u ordinale logistische regressie uit

De handleiding is als volgt:

  1. Log in bij Zometric Statistical Software op https://statsai.zometric.com/
  2. Kies op de startpagina Statistical Tool> Regression > Ordinal Logistic Regression.
  3. Werk vervolgens de gegevens handmatig bij, of kopieer (Ctrl+C) de gegevens uit een Excel-blad en plak (Ctrl+V) ze, of gebruik de optie Load Example waarmee voorbeeldgegevens worden geladen.
  4. Vul vervolgens de vereiste opties in .
  5. Klik ten slotte onderaan de pagina op Calculate en u krijgt de gewenste resultaten.

Op het dashboard van ordinale logistische regressie is het venster in twee delen verdeeld.

Ordinal Logistic Regression — figure 5

Links bevindt zich de Data Pane. In de Data Pane vormt elke rij één subgroep. De gegevens kunnen handmatig worden ingevoerd, of u kunt ze volledig uit een Excel-blad kopiëren (Ctrl+C) en hier plakken (Ctrl+V).

Load example: Voorbeeldgegevens worden geladen.

Load File: Hiermee laadt u de Excel-gegevens rechtstreeks.

Rechts staan veel opties, als volgt:

  • Response: De respons is de uitkomstvariabele die u wilt voorspellen of onderzoeken. Bij ordinale logistische regressie moet de respons drie of meer categorieën met een natuurlijke, betekenisvolle volgorde bevatten, waarbij de categorieën kunnen worden gerangschikt maar de afstand ertussen niet gelijk hoeft te zijn.
    Bijvoorbeeld:
    Het model berekent vervolgens de kans dat een waarneming in elke categorie valt, op basis van de voorspellers.
    • Pijnniveau → Mild / Moderate / Severe
    • Enquêteantwoord → Disagree / Neutral / Agree
  • Model Bepaalt de structuur van uw analyse door vast te leggen welke voorspellers en interactietermen in het model worden opgenomen. U kunt opnemen:
    • Continue voorspellers : numerieke variabelen zoals temperatuur, leeftijd of dosering
    • Categorische voorspellers : gegroepeerde variabelen zoals geslacht, materiaalsoort of regio
    • Interactietermen : combinaties van twee of meer voorspellers die samen een effect kunnen hebben dat verder gaat dan hun afzonderlijke bijdragen

Veelgestelde vragen

Wat is ordinale logistische regressie?

Ordinale logistische regressie analyseert het verband tussen een of meer voorspellers en een respons met drie of meer geordende categorieën, zoals laag/gemiddeld/hoog of oneens/neutraal/eens, waarbij de categorieën een natuurlijke rangorde hebben maar de afstand ertussen niet meetbaar is. Het model voorspelt op basis van de voorspellers de kans om in elke categorie terecht te komen.

Wanneer gebruikt u ordinale in plaats van nominale logistische regressie?

Gebruik ordinale logistische regressie wanneer de responscategorieën een betekenisvolle volgorde hebben, zoals nooit/soms/altijd. Als de volgorde er niet toe doet, zoals bij kras/deuk/scheur, gebruik dan nominale logistische regressie. Voor een respons met twee categorieën, zoals goed/fout, gebruikt u het binaire logistische model, en voor een continue respons de regressie- of lijnmodellen.

Wat is de aanname van proportionele odds?

Ordinale logistische regressie gaat ervan uit dat het verband tussen elk paar uitkomstgroepen consistent is, de zogeheten aanname van proportionele odds. Die moet na het fitten worden gecontroleerd; als ze wordt geschonden, overweeg dan in plaats daarvan nominale logistische regressie. Valideer het model met statistieken voor de aanpassingskwaliteit en residudiagnostiek.

Welke voorspellers kunt u gebruiken in ordinale logistische regressie?

Voorspellers kunnen continu zijn, zoals temperatuur, leeftijd of dosering, categorisch, zoals materiaalsoort of regio, of een mix van beide. Discrete variabelen kunnen als beide worden behandeld, afhankelijk van het aantal niveaus en het doel van de analyse. Het model kan ook interactietermen tussen voorspellers bevatten.