Mezní efekty v logistické regresi

• instalace dialogu (viz níže)
• zadání jedné závislé dichotomické proměnné a celkově jedné nebo více nezávislých číselných nebo kategorických proměnných
• volba alespoň jednoho mezního efektu (defaultně je zatržen Sample Average Marginal Effects (derivative))

Mezní efekty v logistické regresi se používají pro určení změny pravděpodobnosti výskytu události při změně nezávislé proměnné v modelu logistické regrese.

Procedura Mezní efekty v logistické regresi umožňuje zadat následující mezní efekty:

• Sample Average Marginal Effects (derivative): Využívá se parciální derivace funkce pravděpodobnosti podle nezávislých proměnných a následně se vypočítá a zprůměruje za všechny pozorování.
• Marginal Effects at the Mean (derivative, listwise): Využívá se parciální derivace funkce pravděpodobnosti podle nezávislých proměnných avšak následně se za nezávislé proměnné dosadí jejich průměrné hodnoty (počítáno se zacházením s vynechanými hodnotami jako listwise).
• Marginal Effects at the Mean (derivative, pairwise): Využívá se parciální derivace funkce pravděpodobnosti podle nezávislých proměnných avšak následně se za nezávislé proměnné dosadí jejich průměrné hodnoty (počítáno se zacházením s vynechanými hodnotami jako pairwise).
• Marginal Effects from Linear Regression: Mezní efekty nezávislých proměnných odpovídají regresnímu koeficientu (mezním efektem) z lineární regrese.
• Sample Average Marginal Effects (1 unit change): Pro každé pozorování se vypočítá pravděpodobnost výskytu události na základě jeho hodnot pro nezávislé proměnné a pravděpodobnost s o jednu jednotku vyšší hodnotou pro nezávislou proměnnou, pro kterou mezní efekt počítáme. Následně se spočítá jejich rozdíl a zprůměruje za všechny pozorování.
• Marginal Effects at the Mean (categorical, listwise): Rozdíl pravděpodobnosti dané kategorie oproti referenční, kde za nezávislé proměnné se dosadí jejich průměrné hodnoty (počítáno se zacházením s vynechanými hodnotami jako listwise).
• Marginal Effects at the Mean (categorical, pairwise): Rozdíl pravděpodobnosti dané kategorie oproti referenční, kde za nezávislé proměnné se dosadí jejich průměrné hodnoty (počítáno se zacházením s vynechanými hodnotami jako pairwise). Výstupem porcedúry jsou tabulky s výsledky. Uživatelem definované a systémové vynecháné hodnoty jsou z analýzy vyloučeny.

Výstupem procedury je tabulka s požadovanými mezními efekty. Uživatelem definované a systémově vynechané hodnoty jsou z analýzy vyloučeny.

Skript je ovládán dialogem, který se po své instalaci nachází v menu Custom - Mezní efekty v logistické regresi.

Do pole Závislá proměnná je nutné zadat jednu závislou dichotomickou proměnnou a do příslušných polí Nezávislé proměnné číselné a Nezávislé proměnné kategorické celkově jednu nebo více nezávislých číselných nebo kategorických proměnných. Z části Mezní efekty je třeba zvolit alespoň jeden mezní efekt. Podrobnější nápověda je k dispozici prostřednictvím tlačítka Help.

Procedura Mezní efekty v logistické regresi je dodávána ve formě instalačního balíčku ACREA_MEDZNE_EFEKTY.spe. Při instalaci je nutné mít právo zápisu do instalační složky softwaru IBM SPSS Statistics (do verze 21).

Postup zprovoznění procedury:

• instalace Python Essentials (od verze IBM SPSS Statistics 22 jsou součástí instalace),
• spuštění IBM SPSS Statistics,
• instalace balíčku ACREA_MEDZNE_EFEKTY.spe pomocí nabídky Extensions - Install Local Extension Bundle ...,
• zavření a znovuotevření IBM SPSS Statistics - dialog procedury se objeví v nabídce Custom - Mezní efekty v logistické regresi.

Po uhrazení objednávky obdržíte email s odkazem ke stažení skriptu spolu s dokumentací a návodem na jeho instalaci.

UPOZORNĚNÍ:  Email nemusí vždy přijít do složky Doporučená pošta, proto si prosím zkontrolujte i složky jako je Spam, Promoakce či Hromadná pošta. V případě, že jste po úhradě objednávky e-mail neobdrželi, kontaktujte nás na info@acrea.cz.