Проверка допущения о пропорциональных шансах в R

Я работаю в R с переменной ответа, которая представляет собой буквенную оценку, полученную студентом за определенный курс. Ответ порядковый и, на мой взгляд, логически соразмерный. Насколько я понимаю, мне нужно проверить его пропорциональность, прежде чем я смогу использовать polr () вместо multinom ().

Для одного из своих курсов данных я «проверил» пропорциональность следующим образом:

M1 <- logLik(polrModel)  #'log Lik.' -1748.180691 (df=8)
M2 <- logLik(multinomModel)  #'log Lik.' -1734.775727 (df=20)
G <- -2*(M1$1 - M2$2)) #I used a block bracket here in the real code
# 26.8099283
pchisq(G,12,lower.tail = FALSE) #DF is #of predictors
#0.008228890393     #THIS P-VAL TELLS ME TO REJECT PROPORTIONAL

Для второго способа проверки предположения о пропорциональных шансах я также запустил две модели vglm, одну с family=cumulative(parallel =TRUE), другую с family=cumulative(parallel =FALSE). Затем я провел pchisq() тест с разницей в отклонениях моделей и разницей остаточных степеней свободы.

Это прилично? Если нет, мне бы очень хотелось помочь с фактическим кодированием, чтобы определить, принимать или отклонять предположение о пропорциональных шансах!

В дополнение к двум вышеупомянутым тестам я построил график своих кумулятивных вероятностей для каждого из предикторов индивидуально. Я читал, что хочу, чтобы эти линии были параллельны. Чего я не понимаю, так это то, что с polr() ваш результат представляет собой единый наклон для каждой независимой переменной (коэффициент), а затем конкретный перехват в зависимости от того, с какой совокупной вероятностью вы работаете (например: P (Y ‹= A), P (Y ‹= B) и т. Д.). Итак, если ваши коэффициенты наклона одинаковы для каждого из уравнений, как могут линии не быть параллельными?

Я подобрал основы своих знаний на уроке Криса Билдера на YouTube; он говорит о параллельных графах здесь, на 42-й минуте.

Любая помощь приветствуется! Спасибо!


r regression logistic-regression non-linear-regression
person Nameless    schedule 03.05.2016    source источник
comment
На самом деле эта проблема скорее вопрос статистики, чем вопрос программирования. За советом по статистике следует обращаться на страницу перекрестной проверки, а не на сайте Stack Overflow.   -  person MrFlick    schedule 04.05.2016

Ответы (1)


arrow_upward
2
arrow_downward

Ваш подход по сути правильный. У меня есть следующий код, вдохновленный разработкой Fox «Компаньон R и S-PLUS для прикладной регрессии». Глава 5: Аппроксимация обобщенных линейных моделей. Страницы 155-189. При использовании кода цитируйте главу книги. В этой главе также есть раздел, посвященный построению графиков.

library(car)
library(nnet)
library(xlsx)
library(MASS)
options(warn=1)
options(digits = 3)
#
Trial <- read.xlsx("Trial.xls", "Sheet 1")
# Set up an out file structure
sink("Testing_adequacy_of_Prop_odds.txt")
# Trial$Outcome is assessed on a six point scale 0-5
schtyp_M_M.f <- factor(Trial$Outcome, labels = c("M0", "M1", "M2", "M3", "M4", "M5"))
#
cat("Multinomial logistic regression \n")
# Assign takes on a value of 1 (Treatment) or 0 (Control) 
mod.multinom <-multinom(schtyp_M_M.f~Assign, data = Trial)
print(summary(mod.multinom, cor=F, Wald=T))
x1<-logLik(mod.multinom)
cat("Degrees of freedom Multinomial logistic regression \n")
print(df_of_multinom_model <- attributes(x1)$df)
cat("Proportional odds logistic regression\n")
mod.polr <- polr(schtyp_M_M.f ~ Assign, data=Trial)
print(summary(mod.polr))
x2<-logLik(mod.polr)
cat("Degrees of freedom Proportional Odds Logistic Regression \n")
print(df_of_polr_model <- attributes(x2)$df)

cat("Answering the question: Is proportional odds model assumption violated\n")
cat("P value for difference in AIC between POLR and Multinomial Logit model\n")
# abs since the values could be negative. That is negative difference of degrees of freedom would produce p=NaN
print(1-pchisq(abs(mod.polr$deviance-mod.multinom$deviance),   abs(df_of_multinom_model-df_of_polr_model)))
sink()
person abcihep    schedule 29.08.2016