Interpretatie en visualisatie van regressiemodellen met Stata, tweede editie Auteur: Michael N. Mitchell

Auteur: Michael N. Mitchell
ISBN: 978-1-59718-321-5
Gedrukte editie

Commentaar van de technische groep van Stata

Michael Mitchell's Interpretatie en visualisatie van regressiemodellen met Stata, tweede editie is een heldere uiteenzetting van hoe je resultaten van modelfitting zorgvuldig kunt presenteren in een breed scala aan situaties. Het is een zegen voor iedereen die de tastbare betekenis van een complex model helder moet presenteren, ongeacht het publiek. Veel ervaren onderzoekers beginnen bijvoorbeeld te huiveren wanneer ze gevraagd worden een eenvoudige uitleg te geven van de praktische betekenis van interacties in niet-lineaire modellen zoals logistische regressie. De technieken die Mitchell in zijn boek presenteert, maken het beantwoorden van die vragen eenvoudig. Het overkoepelende thema van het boek is dat grafieken de interpretatie van zelfs de meest ingewikkelde modellen, met interactietermen, categorische variabelen en andere complexiteiten, vereenvoudigen.

Met behulp van een dataset gebaseerd op de General Social Survey begint Mitchell met een eenvoudige lineaire regressie met één onafhankelijke variabele en illustreert vervolgens hoe voorspelde waarden in tabellen en grafieken kunnen worden weergegeven. Mitchell richt zich op Stata's marges En margeplot commando's, die een centrale rol spelen in het boek en die de berekening en presentatie van resultaten uit regressiemodellen aanzienlijk vereenvoudigen. Met name door het gebruik van de margeplot In de opdracht laat hij zien hoe je elk model dat in het boek wordt gepresenteerd grafisch kunt visualiseren en zo veel gemakkelijker inzicht kunt krijgen in de resultaten als je ze in een grafiek kunt bekijken in plaats van in een saaie tabel met resultaten.

Mitchell gaat vervolgens verder met complexere modellen waarbij de effecten van de onafhankelijke variabelen niet-lineair zijn. Nadat hij heeft besproken hoe niet-lineaire effecten kunnen worden gedetecteerd, presenteert hij voorbeelden met behulp van zowel standaardpolynomiale modellen, waarbij onafhankelijke variabelen tot machten zoals -1 of 1/2 kunnen worden verheven. In alle gevallen gebruikt Mitchell opnieuw de margeplot commando om het effect te illustreren dat het veranderen van een onafhankelijke variabele heeft op de afhankelijke variabele. Er worden ook stuksgewijs lineaire modellen gepresenteerd; dit zijn lineaire modellen waarin de helling of het snijpunt mag veranderen afhankelijk van het bereik van een onafhankelijke variabele. Hij gebruikt ook de contrast opdracht bij het bespreken van categorische variabelen. Zoals de naam al doet vermoeden, kunt u met deze opdracht eenvoudig voorspellingen vergelijken die zijn gedaan voor verschillende niveaus van de categorische variabele.

Interactietermen kunnen lastig te interpreteren zijn, maar Mitchell laat zien hoe grafieken worden geproduceerd door margeplot verduidelijken de resultaten aanzienlijk. Afzonderlijke hoofdstukken zijn gewijd aan twee- en drieweginteracties met alle continue of alle categorische variabelen en bevatten veel praktische voorbeelden. Ruwe regressie-uitvoer, inclusief interacties tussen continue en categorische variabelen, kan bijna onmogelijk te interpreteren zijn, maar wederom maakt Mitchell dit een fluitje van een cent door oordeelkundig gebruik van de marges En margeplot opdrachten in volgende hoofdstukken.

De eerste twee derde van het boek is gewijd aan cross-sectionele data, terwijl het laatste derde deel longitudinale data en complexe enquêtegegevens behandelt. Een belangrijk verschil tussen dit boek en de meeste andere boeken over regressiemodellen is dat Mitchell veel aandacht besteedt aan het aanpassen en visualiseren van discontinue modellen – modellen waarbij de uitkomst bij drempelwaarden plotseling van waarde kan veranderen. Dergelijke modellen zijn vanzelfsprekend in omgevingen zoals onderwijs en beleidsevaluatie, waar diploma-uitreikingen of beleidswijzigingen plotselinge veranderingen in inkomen of opbrengsten kunnen veroorzaken.

De tweede editie is bijgewerkt met veel nieuwe functies die zijn toegevoegd sinds Stata 12, toen de eerste editie werd geschreven. De tekst laat nu met name zien hoe labels op de waarden van categorische variabelen de interpretatie aanzienlijk vergemakkelijken bij het bekijken van regressieresultaten en resultaten van de marges En contrast opdrachten. U ziet nu bijvoorbeeld dat uw coëfficiënten of marginale gemiddelden gerelateerd zijn aan de groepen 'lage dosis' en 'hoge dosis' in plaats van aan groepen 1 en 2. Bovendien laat Mitchell u nu zien hoe u de uitvoer van schattingsopdrachten kunt aanpassen. marges , en contrast voor nog meer duidelijkheid. In zijn bespreking van het aanpassen van grafieken geproduceerd door In marginsplot demonstreert hij nieuwe grafiekfuncties, zoals het gebruik van transparantie. Hij geeft ook nieuwe voorbeelden van multilevelmodellen voor longitudinale data die gebruikmaken van de vrijheidsgraadaanpassingen voor kleine steekproefgroottes die nu beschikbaar zijn. gemengd En tegenstelling .

Dit boek is een waardevolle aanvulling op de bibliotheek van iedereen die betrokken is bij statistisch advies, onderwijs of collaboratieve toegepaste statistische omgevingen. Grafieken helpen enorm bij de interpretatie van regressiemodellen, en Mitchells boek laat zien hoe.

Over de auteur

Michael Mitchell is een senior statisticus die zich bezighoudt met slaaponderzoek en met de preventie van kindermishandeling bij het Children's Data Network. Hij is de auteur van drie andere Stata Press-boeken : A Visual Guide to Stata Graphics , Gegevensbeheer met behulp van Stata en Stata voor de Gedragswetenschappen .