Modèle logit polytomique ordonné

où les paramètres μ i {displaystyle mu _ {i}} sont les extrémités imposées extérieurement des catégories observables. Ensuite, la technique de logit ordonnée utilisera les observations sur y, qui sont une forme de données censurées sur y *, pour s`adapter au vecteur de paramètre β {displaystyle beta}. Parmi les exemples de catégories de réponses ordonnées multiples figurent les cotes des obligations, les sondages d`opinion avec des réactions allant de «fortement d`accord» à «fortement en désaccord», les niveaux de dépenses d`État sur les programmes gouvernementaux (élevé, moyen ou faible), le niveau de la couverture d`assurance choisi (aucun, partiel ou complet), et le statut d`emploi (non employé, employé à temps partiel, ou pleinement employé). [3] dans les statistiques, le modèle logit ordonné (également la régression logistique ordonnée ou le modèle de cotes proportionnelles), est un modèle de régression ordinale, c`est-à-dire un modèle de régression pour les variables dépendantes ordinales, d`abord considéré par Peter McCullagh. [1] par exemple, si une question sur une enquête doit être répondue par un choix parmi les «pauvres», les «justes», les «bons» et les «excellents», et le but de l`analyse est de voir dans quelle mesure cette réponse peut être prédite par les réponses à d`autres questions, dont certaines peuvent être quantitatives , la régression logistique commandée peut être utilisée. Il peut être considéré comme une extension du modèle de régression logistique qui s`applique aux variables dépendantes dichotomes, ce qui permet plus de deux catégories de réponse (ordonnées). Nous couvriront également des sujets plus avancés, y compris la régression logistique ordonnée, la régression logistique multinomiale, l`analyse de choix discrets et les méthodes d`analyse des données longitudinales (erreurs standard robustes, GEE, effets fixes et aléatoires). L`hypothèse de cotes proportionnelles est que le nombre ajouté à chacun de ces logarithmes pour obtenir le suivant est le même dans tous les cas. En d`autres termes, ces logarithmes forment une séquence arithmétique. [2] le modèle indique que le nombre dans la dernière colonne de la table (le nombre de fois que ce logarithme doit être ajouté) est une combinaison linéaire des autres variables observées.

«Le professeur Allison est un instructeur formidable. Ce cours est l`une de mes meilleures expériences d`apprentissage. Mansoo Yu, Université du Missouri c`est un cours pratique, donc vous devriez apporter votre propre ordinateur portable chargé avec une version récente de Stata.