Znalazłem ten post:
Tak. Współczynnik odzwierciedla zmianę ilorazów logarytmicznych dla każdego przyrostu zmiany w predyktorze porządkowym. Ta (bardzo powszechna) specyfikacja modelu zakłada, że predyktor ma liniowy wpływ na swoje przyrosty. Aby przetestować to założenie, możesz porównać model, w którym używasz zmiennej porządkowej jako pojedynczego predyktora, z modelem, w którym dyskretyzujesz odpowiedzi i traktujesz je jako wiele predyktorów (tak jak gdyby zmienna była nominalna); jeśli ten drugi model nie zapewnia znacznie lepszego dopasowania, uzasadnione jest traktowanie każdego przyrostu jako efektu liniowego.
Czy możesz mi powiedzieć, gdzie można znaleźć coś, co potwierdza to twierdzenie? Pracuję z danymi i chciałbym użyć porządkowych zmiennych niezależnych w regresji logistycznej.
źródło
Odpowiedzi:
Jak zauważa @Scortchi , możesz również używać wielomianów ortogonalnych. Oto krótka demonstracja w języku R:
źródło
Każda dobra książka na temat regresji logistycznej będzie miała taką możliwość, choć może nie w tych słowach. Wypróbuj kategoryczną analizę danych Agresti, aby uzyskać bardzo wiarygodne źródło.
Wynika to również z definicji regresji logistycznej (lub innych regresji). Istnieje kilka metod dla niezależnych porządkowych zmiennych. Zazwyczaj traktuje się go jako kategoryczny (który traci porządek) lub ciągły (co sprawia, że założenie jest określone w tym, co zacytowałeś). Jeśli traktujesz to jako ciągłe, program wykonujący analizę nie wie, że jest porządkowy. Załóżmy na przykład, że twój IV to „Jak bardzo lubisz Prezydenta Obamę?” a twoje odpowiedzi są w skali Likerta od 1. „Bardzo” do 5. „Wcale”. Jeśli traktujesz to jako ciągłe, to (z punktu widzenia programu) odpowiedź „5” jest 5 razy większa niż odpowiedź „1”. To może, ale nie musi być nierozsądne.
źródło