如何解决带序数变量的线性回归
我有五个认知变量(记忆力、认知灵活性、批判性思维、语言和注意力)和一个序数变量(逆境分数从 1 到 10)。我将皮质厚度作为我的结果变量(或因变量)。
我想知道如何设置回归?
我想这样做:
lm(cortical_thickness ~ memory + cognitive_flexibility + critical_thinking + verbal + attention + adversity_score)
或者我应该这样设置:
lm(cortical_thickness ~ (memory + cognitive_flexibility + critical_thinking + verbal + attention)* adversity_score)
解决方法
在我看来,您的问题是一个更具统计性的问题。它并不像听起来那么琐碎。问题是如何在多元线性回归的背景下处理序数预测变量。 简单的答案是将您的 10 标度序数预测变量视为连续变量,然后我将使用:
model1 <- lm(cortical_thickness ~ memory + cognitive_flexibility + critical_thinking + verbal + attention + adversity_score,data=yourdataset)
如何建模很大程度上取决于您的数据。因此,我认为您应该在此处使用您的数据提出这个问题:https://stats.stackexchange.com/
,虽然您可以运行 lm
,但序数回归模型不满足线性回归的假设,因此模型比较和其他测试将无效。
R 确实有您可能希望尝试的序数回归函数。 here 列出了四个这样的包。
关于使用哪个模型,运行两个模型并比较它们。如果 fm1 和 fm2 是两个模型,那么
anova(fm1,fm2)
将比较它们并至少适用于 clm 和 polr。有关使用 ?clm
的示例,请参阅 ordinal 包中的 ?polr
或 MASS 包中的 anova
。
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。