Log lineære modeller for 3- og flervejskontingenstabeller

Slides:



Advertisements
Lignende præsentationer
Regressions modeller – Hvad regresserer vi på og hvorfor?
Advertisements

Repetition Goodness of Fit Uafhængighed i Kontingenstabeller
Dummyvariabler 13. oktober 2006
Analyse af kontingenstabeller
Statistik Lektion 18 Multipel Linear Regression
Statistik Lektion 17 Multipel Lineær Regression
Anvendt Statistik Lektion 6
Anvendt Statistik Lektion 9
Anvendt Statistik Lektion 5
Variansanalyse Modelkontrol
Anvendt Statistik Lektion 6
Logistisk regression Den lineære sandsynlighedsmodel
Repetition: likelihood ratio test Test af hvorvidt faktorer med flere end 2 niveauer (mere end 1 parameter) kan udelades fra model: likelihood ratio test.
Økonometri 1: Specifikation og dataproblemer1 Økonometri 1 Specifikation, og dataproblemer 4. november 2005.
Variansanalyse Modelkontrol
Statistik 1 – Lektion 5 By, energi & miljø, forår 2010 v. Morten Skou Nicolaisen.
Anvendt Statistik Lektion 8
Statistik Lektion 5 Log-lineære modeller.
Anvendt Statistik Lektion 8
Statistik II Lektion 5 Modelkontrol
Analyse af kontingenstabeller
Logistisk Regression Kategoriske og Kontinuerte Forklarende Variable
Økonometri 1: Dummy variable
1 Dagens program 1.Information –Klaus’ frokost: 11:45-12:30, går 13:15. –Winston Churchill –Sidste forelæsning (19/11): Eksamen, kursus- evaluering, eksperimentelt.
Statistik II 5. Lektion Log-lineære modeller.
Økonometri 1: Binær responsmodeller: Logit og probit1 Økonometri 1 Binær responsmodeller: Logit og probit 8. maj 2003.
Anvendt Statistik Lektion 9
Statikstik II 2. Lektion Lidt sandsynlighedsregning
Simpel Lineær Regression
Opsamling Simpel/Multipel Lineær Regression Logistisk Regression
Statikstik II 2. Lektion Lidt sandsynlighedsregning
Økonometri 1: F81 Økonometri 1 Inferens i den lineære regressionsmodel 2. oktober 2006.
Økonometri – lektion 7 Multipel Lineær Regression
Økonometri 1: Specifikation og dataproblemer1 Økonometri 1 Specifikation, og dataproblemer 9. november 2004.
Økonometri – lektion 5 Multipel Lineær Regression
Carsten Stig Poulsen1 HA 4. semester Markedsanalyse 3. gang Torsdag d. 23. april 2009.
Statistik Lektion 14 Simpel Lineær Regression
Økonometri 1: Inferens i den lineære regressionsmodel1 Økonometri 1 Inferens i den lineære regressionsmodel 5. oktober 2004.
Økonometri 1 Gentagne tværsnit og panel data I 5. april 2006.
Anvendt Statistik Lektion 10  Regression med både kvantitative og kvalitative forklarende variable  Modelkontrol 1.
Økonometri 1: Specifikation og dataproblemer1 Økonometri 1 Specifikation og dataproblemer 29. marts 2006.
Økonometri – lektion 4 Multipel Lineær Regression Model Estimation Inferens.
Kvantitative metoder 2: Den multiple regressionsmodel1 Kvantitative metoder 2 Den multiple regressionsmodel 26. februar 2007.
Økonometri 1: Den simple regressionsmodel Økonometri 1 Den simple regressionsmodel 14. september 2004.
Økonometri 1: Inferens i den lineære regressionsmodel1 Økonometri 1 Kvalitative variable 8. marts 2006.
Repetition Forårets højdepunkter…. Simpel Lineær Regression Simpel lineær regression: Mindste kvadraters metode Kovarians og Korrelation.
Økonometri 1: F41 Økonometri 1 Den multiple regressionsmodel 18. september 2006.
Økonometri 1: Dummyvariabler1 Økonometri 1 Dummyvariabler 21. oktober 2004.
Økonometri 1: Den simple regressionsmodel Økonometri 1 Den simple regressionsmodel 13. februar 2003.
Statistik PM5 Indhold: statistiske metoder til at analysere kategoriske data Logistisk regression Loglineære modeller I dag: repetition af lineær regression.
Kvantitative metoder 2: Den multiple regressionsmodel1 Kvantitative metoder 2 Den multiple regressionsmodel 28. februar 2007.
Økonometri 1: F141 Økonometri 1 Specifikation og dataproblemer 6. november 2006.
Statikstik II 3. Lektion Multipel Logistisk regression Generelle Lineære Modeller.
Statistik II 4. Lektion Logistisk regression.
Økonometri 1: Dummyvariabler1 Økonometri 1 Dummyvariabler 15. marts 2006.
Log lineære modeller for kontingenstabeller Kontingenstabeller Test for uafhængighed af inddelingskriterier Sammenligning med logistisk regression Odds.
Økonometri 1: Den multiple regressionsmodel1 Økonometri 1 Den multiple regressionsmodel 17. september 2004.
Statistik II Lektion 5 Modelkontrol Modelkontrol Modelsøgning Større eksempel.
Statistik PM5 Indhold: statistiske metoder til at analysere kategoriske data Logistisk regression Loglineære modeller I dag: repetition af lineær regression.
Lineær og logistisk regression - fortsat
Logistisk regression - fortsat
Log-lineære modeller ● Analyse af symmetriske sammenhænge mellem kategoriske variable. ● Ordinal information ignoreres.
Opsamling ● Generelle lineære modeller ● Logistisk regression ● Log-lineære modeller ● Mini-projekt.
Statistik II - PM5 Fokus: Analyse af kategoriske variable ● Logistisk regression ● Log-lineære modeller Kursets opbygning: ● 1 ECTS forelæsninger ● 1 ECTS.
Logistisk regression –Odds/Odds ratio Probit model Fortolkning udfra latent variabel.
Den multiple regressionsmodel 21. september 2005
Heteroskedasticitet 25. oktober 2005
Anvendt Statistik Lektion 8
Anvendt Statistik Lektion 6
Niveau 3: Regressionsanalyse: Tværsnitsundersøgelser
Præsentationens transcript:

Log lineære modeller for 3- og flervejskontingenstabeller Dødsstraf eksempel Log lineær model for trevejstabel Kollapsibilitet Modeller for trevejstabeller

Dødsstraf eksempel: tovejs Se paa odds

Stratificeret efter offers race

Admission example fra bog Se transparent

Partielle sammenhænge vs marginal sammenhæng NB: odds ratio mål for sammenhæng partielle sammenhænge forskellig fra marginale sammenhæng i tovejstabel race vs. straf. ? Hvornår er partielle og marginale sammenhænge ens (kollapsibilitet) Illustrer kollapsibilitet vha kasse….

Log lineær model

Kollapsibilitet

Race og dødsstraf Odds for straf indenfor race afhænger af offer !

Log lineær model for straf 0 = ej doedsstraf NB: udelader trevejsin- teraktion pga. celle med nul observationer. Tabel ikke kollapsibel over offer da Hverken offer*straf eller offer*race lig nul

Goodness-of-fit (residualer) Fin overeenstemmelse mellem observeret og forventet

Logistisk regression: strafs afhængighed af offer og gerningsmands race Igen: ingen dødsstraf med sort offer og hvid gerningsmand – dvs. kan ikke inkludere interaktion offer*race.

Kun main effects NB ikke muligt at studere offer race inter- aktion. obs expected 11 10.91 0.094 48 48.09 72 71.90 NB ikke muligt at studere offer race inter- aktion.

Modeller for trevejstabeller Ex: R,CL betyder at modellen indeholder rækkeeffekt og tovejs CL interaktion (og herunder søjle og lag marginale effekter). R,C,L: uafhængighed R,CL: R uafhængig af C og L, kollapsibel over alle variable. RL,RC: R og C betinget uafhængige givet L. Kollapsibel over R og C. Odds:

Straf Model for straf: RC, RL, LC dvs. ikke kollapsibel over nogen variabel og ingen uafhængighed eller betinget uafhængighed. Partielle associationer indenfor hver offer kategori er ens !

Admission example Se transparent.

Model selection SPSS loglinear -> model selection: trinvis backward elimination eller enter single term (pas på output skal ”strækkes”). Hierarkiske princip: hvis f.eks. Model indeholder trevejs interaktion a*b*c så skal model også indeholder a*b,a*c og b*c samt a, b og c.