全部版块 我的主页
论坛 提问 悬赏 求职 新闻 读书 功能一区 悬赏大厅 求助成功区
9368 5
2016-11-08
悬赏 10 个论坛币 已解决
比如我用ologit outcome sex group age命令,得到结果为:
Iteration 0:   log likelihood = -1366.0718  
Iteration 1:   log likelihood = -1109.9713  
Iteration 2:   log likelihood = -1068.8117  
Iteration 3:   log likelihood = -1068.1555  
Iteration 4:   log likelihood = -1068.1555  

Ordered logistic regression                       Number of obs   =       3000
                                                  LR chi2(3)      =     595.83
                                                  Prob > chi2     =     0.0000
Log likelihood = -1068.1555                       Pseudo R2       =     0.2181

------------------------------------------------------------------------------
     outcome |      Coef.   Std. Err.      z    P>|z|     [95% Conf. Interval]
-------------+----------------------------------------------------------------
         sex |    .500382   .1351496     3.70   0.000     .2354936    .7652704
       group |  -.6291628   .1111674    -5.66   0.000    -.8470468   -.4112788
         age |   .0903079   .0064804    13.94   0.000     .0776066    .1030093
-------------+----------------------------------------------------------------
       /cut1 |   4.920609   .4180049                      4.101335    5.739884
------------------------------------------------------------------------------
最后一行表示什么意思,求详解。


最佳答案

一一诺千金 查看完整内容

cut首先是与你因变量划分的分类数目多少有关的,举例来说: _cut1 | 1.159583 .0422183 (Ancillary parameters) _cut2 | 3.054408 .0867955 _cut3 | 5.465786 .2779359 -------------------------------------- 结果中cut1、cut2、cut3为三个切点(123)的参数值(因该定序因变量含4个次序)。作为辅助参数(ancillary parameters),切点 ...
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

全部回复
2016-11-8 10:22:51
cut首先是与你因变量划分的分类数目多少有关的,举例来说:
  _cut1 |   1.159583   .0422183          (Ancillary parameters)      
_cut2 |   3.054408   .0867955         
_cut3 |   5.465786   .2779359   --------------------------------------
结果中cut1、cut2、cut3为三个切点(123)的参数值(因该定序因变量含4个次序)。作为辅助参数(ancillary parameters),切点参数值可以解释为临界点或需先达到哪个值才会进入到相应因变量的类别。  当y估计值*1.16 (1)1ycuty时,(英语完全不会); 当*1.16< 3.05 (2)2ycuty时,(英语会一点); 当*3.05< 5.47 (3)3ycuty时,(英语好); 当*>5.47 4yy时,(英语非常好)。
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2016-11-8 10:38:18
cut这部分为切点的估计值。祝好运~
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2020-7-27 05:11:51
一一诺千金 发表于 2016-11-8 10:22
cut首先是与你因变量划分的分类数目多少有关的,举例来说:
  _cut1 |   1.159583   .0422183          (A ...
请问一下,y为分类变量,那y的值就大概是1,2,3,4,因为有3和cut-point,那y的估计值是如何能>4的呢?
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2024-7-15 17:39:52
在有序逻辑回归(Ordered Logistic Regression)模型中,"cut"行表示的是分类阈值或截断点(Cut Points),它们定义了类别间的边界。由于有序逻辑回归是一种多类分类模型,它将因变量的多个有序等级分成不同的区间。

例如,如果因变量有三个等级:低、中、高,那么模型会生成两个“cut”值来分别定义从低到中的边界和从中到高的边界。这些cut点是模型通过极大似然估计得到的参数,它们与模型中的其他系数一起决定了某个观测属于各个类别的概率。

在你的结果中,“cut”行下面列出的是这些分类阈值的具体数值。每个cut点都是一个截断值,在这个值以下(或以上,取决于模型的编码方式)会被归为一个等级,在该值以上则归为下一个更高等级。通过观察这些cut点的数值变化趋势,可以了解因变量不同等级间的边界是如何设定的。

此文本由CAIE学术大模型生成,添加下方二维码,优先体验功能试用



二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2025-2-27 16:31:52
那cut值不显示p值是为啥
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

相关推荐
栏目导航
热门文章
推荐文章

说点什么

分享

扫码加好友,拉您进群
各岗位、行业、专业交流群