Uruchomiłem tę porządkową regresję logistyczną w R:
mtcars_ordinal <- polr(as.factor(carb) ~ mpg, mtcars)
Mam to podsumowanie modelu:
summary(mtcars_ordinal)
Re-fitting to get Hessian
Call:
polr(formula = as.factor(carb) ~ mpg, data = mtcars)
Coefficients:
Value Std. Error t value
mpg -0.2335 0.06855 -3.406
Intercepts:
Value Std. Error t value
1|2 -6.4706 1.6443 -3.9352
2|3 -4.4158 1.3634 -3.2388
3|4 -3.8508 1.3087 -2.9425
4|6 -1.2829 1.3254 -0.9679
6|8 -0.5544 1.5018 -0.3692
Residual Deviance: 81.36633
AIC: 93.36633
Mogę uzyskać dzienne szanse współczynnika dla mpg
tego:
exp(coef(mtcars_ordinal))
mpg
0.7917679
I dzienne szanse progów takich jak:
exp(mtcars_ordinal$zeta)
1|2 2|3 3|4 4|6 6|8
0.001548286 0.012084834 0.021262900 0.277242397 0.574406353
Czy ktoś mógłby mi powiedzieć, czy moja interpretacja tego modelu jest poprawna:
Wraz ze
mpg
wzrostem o jedną jednostkę szanse przejścia z kategorii 1carb
do jednej z pozostałych 5 kategorii zmniejszają się o -0,23. Jeśli logarytmiczne szanse przekroczą próg 0,0015, przewidywana wartość dla samochodu będzie 2 kategoriicarb
. Jeśli dziennik szans przekroczy próg 0,0121, wówczas przewidywana wartość dla samochodu będzie kategorii 3carb
itd.