順序ロジスティック回帰のプロットと解釈

1（簡単ではない）から5（非常に簡単）の範囲の順序依存変数easinessがあります。独立因子の値の増加は、容易性評価の増加に関連しています。

私の独立変数のうちの2つ（condAおよびcondB）はカテゴリカルであり、それぞれ2つのレベルがあり、2（abilityA、abilityB）は連続しています。

私が使用している序それは私がであると信じるものを使用してR、パッケージを

ロジット （ p （ Y ⩽ g ） ） = \ln \frac{p （ Y ⩽ g ）}{p （ Y > g ）} = β_{0_{g}} - （ β_{1} {バツ}_{1} + \dots + β_{p} {バツ}_{p} ） （ g = 1 、 \dots 、 k - 1 ）

$\text{logit}(p(Y \leqslant g)) = \ln \frac{p(Y \leqslant g)}{p(Y > g)} = \beta_{0_g} - (\beta_{1} X_{1} + \dots + \beta_{p} X_{p}) \quad(g = 1, \ldots, k-1)$
（@caracalの回答はこちら）

私はこれを独自に学習してきましたが、まだ苦労しているので、可能な限りの助けをお願いします。通常のパッケージに付属するチュートリアルに加えて、次の情報も役立つことがわかりました。

しかし、結果を解釈し、さまざまなリソースをまとめようとしていますが、行き詰っています。

抽象的で適用された多くの異なる説明を読みましたが、それが言うことの意味を心に抱くのに苦労しています：

condBの1単位の増加（つまり、カテゴリー予測子のレベルを変更する）により、Y = 5対Y = 1から4の予測オッズ（および観測Y = 4対の予測オッズY = 1から3）exp（beta）の係数で変化します。これは、図ではexp（0.457）= 1.58です。

a。これは、カテゴリー独立変数と連続独立変数で異なりますか？
b。私の難しさの一部は、累積オッズのアイデアとそれらの比較にあるかもしれません。... condA =なし（参照レベル）からcondA = presentに移行すると、1.58倍の高いレベルの容易さで評価される可能性が高いと言うのは公平ですか？私はそれが正しくないと確信していますが、それを正しく述べる方法がわかりません。

グラフィカルに
1. この投稿のコードを実装すると、結果の「確率」値が非常に大きい理由について混乱します。
2. この投稿のp（Y = g）のグラフは、Xの特定の値でYの特定のカテゴリを観察する確率を解釈すると、私にとって最も意味があります。私が取得しようとしている理由そもそもグラフは、結果全体をよりよく理解するためのものです。

モデルからの出力は次のとおりです。

m1c2 <- clmm (easiness ~ condA + condB + abilityA + abilityB + (1|content) + (1|ID), 
              data = d, na.action = na.omit)
summary(m1c2)
Cumulative Link Mixed Model fitted with the Laplace approximation

formula: 
easiness ~ illus2 + dx2 + abilEM_obli + valueEM_obli + (1 | content) +  (1 | ID)
data:    d

link  threshold nobs logLik  AIC    niter     max.grad
logit flexible  366  -468.44 956.88 729(3615) 4.36e-04
cond.H 
4.5e+01

Random effects:
 Groups  Name        Variance Std.Dev.
 ID      (Intercept) 2.90     1.70    
 content  (Intercept) 0.24     0.49    
Number of groups:  ID 92,  content 4 

Coefficients:
                Estimate Std. Error z value Pr(>|z|)    
condA              0.681      0.213    3.20   0.0014 ** 
condB              0.457      0.211    2.17   0.0303 *  
abilityA           1.148      0.255    4.51  6.5e-06 ***
abilityB           0.577      0.247    2.34   0.0195 *  

Threshold coefficients:
    Estimate Std. Error z value
1|2   -3.500      0.438   -7.99
2|3   -1.545      0.378   -4.08
3|4    0.193      0.366    0.53
4|5    2.121      0.385    5.50

— jc7
ソース

+1、このようなよく研究され定式化された質問を見るのは素晴らしいことです。CVへようこそ。

— GUNG -復活モニカ

My Regression Modeling Strategiesコースノートには、順序回帰に関する2つの章があります。このチュートリアルも参照してください。

コースノートでは、モデルの前提条件の意味、それらのチェック方法、および適合モデルの解釈方法について詳しく説明します。

— フランク・ハレル
ソース