Co zyskam, jeśli uznam wynik za porządkowy zamiast kategoryczny?


12

Istnieją różne metody przewidywania zmiennych porządkowych i kategorialnych.

Nie rozumiem, jak ważne jest to rozróżnienie. Czy istnieje prosty przykład, który może wyjaśnić, co się stanie, jeśli złożę zamówienie? W jakich okolicznościach to nie ma znaczenia? Na przykład, jeśli wszystkie zmienne niezależne również są kategoryczne / porządkowe, czy byłaby różnica?

To powiązane pytanie koncentruje się na rodzaju zmiennych niezależnych. Tutaj pytam o zmienne wyników.

Edycja: Widzę sens, że użycie struktury zamówień zmniejsza liczbę parametrów modelu, ale nadal nie jestem przekonany.

Oto przykład (zaczerpnięty ze wstępu do uporządkowanej regresji logistycznej, w której o ile widzę porządkową regresję logistyczną nie działa lepiej niż wielomianowa regresja logistyczna:

library(nnet)
library(MASS)
gradapply <- read.csv(url("http://www.ats.ucla.edu/stat/r/dae/ologit.csv"), colClasses=c("factor", "factor", "factor", "numeric"))

ordered_result <- function() {
  train_rows <- sample(nrow(gradapply), round(nrow(gradapply)*0.9))
  train_data <- gradapply[train_rows,]
  test_data <- gradapply[setdiff(1:nrow(gradapply), train_rows),]
  m <- polr(apply~pared+gpa, data=train_data)
  pred <- predict(m, test_data)
  return(sum(pred==test_data$apply))
}

multinomial_result <- function() {
  train_rows <- sample(nrow(gradapply), round(nrow(gradapply)*0.9))
  train_data <- gradapply[train_rows,]
  test_data <- gradapply[setdiff(1:nrow(gradapply), train_rows),]
  m <- multinom(apply~pared+gpa, data=train_data)
  pred <- predict(m, test_data)
  return(sum(pred==test_data$apply))
}

n <- 100

polr_res <- replicate(n, ordered_result())
multinom_res <- replicate(n, multinomial_result())
boxplot(data.frame(polr=polr_res, multinom=multinom_res))

który pokazuje rozkład liczby trafnych domysłów (spośród 40) obu algorytmów.

polr_vs_multinom

Edycja2: Kiedy używam jako metody punktacji, następujące

return(sum(abs(as.numeric(pred)-as.numeric(test_data$apply)))

i karać za „bardzo złe” przewidywania, polr nadal wygląda źle, tj. powyższy wykres niewiele się zmienia.


1
W twoim przykładzie użyto nieciągłej, niepoprawnej reguły oceniania, która ogólnie nie jest dobrą podstawą do porównywania zestawów prognoz (jest arbitralna i nie ma mocy i precyzji).
Frank Harrell,

Zakładałem, że może być konieczne wymuszenie zmiennej wyjściowej na wartość an ordered factor, co poprawiłoby wyniki: gradapply$apply <-factor(gradapply$apply, levels= c('unlikely', 'somewhat likely', 'very likely') , ordered = TRUE)ale to nie robi różnicy. Jeśli spojrzysz na dokładność, oba są bardzo podobne. Dokładność nie jest jednak dobrą miarą, na której można polegać.
Zhubarb,

Odpowiedzi:


10

Istnieją znaczące zyski mocy i precyzji, gdy traktujesz Y jako porządek porządkowy, gdy jest to właściwe. Wynika to ze znacznie mniejszej liczby parametrów w modelu (o współczynnik k, gdzie k jest o jeden mniejszy niż liczba kategorii Y). Istnieje kilka modeli porządkowych. Najczęściej stosowane są porządkowe modele logistyczne proporcjonalnych szans i kontynuacji.


1
+1 Zmniejszenie parametrów oznacza również, że modele porządkowe mogą być znacznie łatwiejsze do dopasowania.
JMS

4

Jeśli zignorujesz uporządkowany charakter zmiennych, odpowiednie metody nadal zapewnią poprawną analizę, ale zaletą stosowania metod dla uporządkowanych danych jest to, że dostarczają one więcej informacji na temat kolejności i wielkości znaczących zmiennych.


Nie widzę, które informacje o zamówieniu są podane.
Karsten W.,

1
Załóżmy, że zmienna ma trzy poziomy: niski, średni, wysoki. Analiza porządkowa może sugerować brak różnicy między niskim a średnim, ale znaczenie dla wysokiego. Oszacowanie parametru może dostarczyć informacji takich jak „gdy zmienna X jest wysoka, efekt jest szacowany na 2,5 razy większy niż niski lub średni” - stąd kierunek i wielkość.
Murray,

2

Jeśli chcesz modelować dane, a zależna zmienna kategorialna nie ma uporządkowania (nominalna), musisz użyć wielomianowego modelu logit. Jeśli zmienna zależna ma uporządkowanie (porządkowe), możesz użyć skumulowanego modelu logit (model proporcjonalnych szans).

Dla mnie osobiście wyniki są znacznie łatwiejsze do interpretacji dla modelu proporcjonalnych szans w porównaniu do modelu wielomianowego, szczególnie gdy chcesz raportować wyniki komuś, kto nie ma wiedzy statystycznej.

Nie są to jedyne modele, których możesz użyć, ale są one bardzo typowe.

Korzystając z naszej strony potwierdzasz, że przeczytałeś(-aś) i rozumiesz nasze zasady używania plików cookie i zasady ochrony prywatności.
Licensed under cc by-sa 3.0 with attribution required.