Questa funzione richiede il modulo Advanced Statistics.
Dai menu, scegliere:
Analizza > Modelli misti > Lineare generalizzato...
E Definire la struttura dei soggetti dell’insieme di dati nella schedaStruttura dati.
E Nella schedaCampi ed effettideve essere presente un solo obiettivo, che può avere qualsiasi livello di misurazione, oppure una specifica eventi/prove; in tal caso, le specifiche di eventi e prove devono essere continue. Se lo si desidera, specificarne le funzioni di distribuzione e di collegamento, gli effettifissi, eventuali blocchi di effetti casuali, le variabili offset o i pesi di analisi.
E Fare clic suOpzioni di costruzioneper specificare le impostazioni facoltative per la costruzione.
E Fare clic suOpzioni modelloper salvare i punteggi negli insiemi di dati attivi ed esportare il modello in unfile esterno.
E Fare clic suEseguiper eseguire la procedura e creare gli oggetti Modello.
Campi con livello di misurazione sconosciuto
L’avviso Livello di misurazione viene visualizzato quando il livello di misurazione di una o più variabili (campi) dell’insieme di dati è sconosciuto. Poiché influisce sul calcolo dei risultati di questa procedura, il livello di misurazione deve essere definito per tutte le variabili.
Figura 8-2
Avviso Livello di misurazione
Esamina dati. Legge i dati dell’insieme di dati attivo e assegna un livello di misurazione predefinito a tutti i campi con livello di misurazione sconosciuto. Con insiemi di dati di grandi dimensioni, questa operazione può richiedere del tempo.
Assegna manualmente. Apre unafinestra di dialogo che elenca tutti i campi con livello di misurazione sconosciuto, mediante la quale è possibile assegnare un livello di misurazione a questi campi. Il livello di misurazione si può assegnare anche nella Visualizzazione variabili dell’Editor dei dati.
Dal momento che il livello di misurazione è importante per questa procedura, è possibile accedere allafinestra di dialogo per la sua esecuzione solo quando per tutti i campi è stato definito un livello di misurazione.
Modelli misti lineari generalizzati
Obiettivo
Figura 8-3
Impostazioni obiettivo
Queste impostazioni definiscono l’obiettivo, la sua distribuzione e la sua relazione con i predittori attraverso la funzione di collegamento.
Obiettivo. L’obiettivo è obbligatorio. Può avere qualsiasi livello di misurazione e il livello di misurazione dell’obiettivo vincola le distribuzioni e le funzioni di collegamento appropriate.
Usa numero di prove come denominatore. Se la risposta obiettivo rappresenta il numero di eventi di un insieme di prove, il campo obiettivo contiene il numero di eventi ed è possibile selezionare un ulteriore campo che contenga il numero di prove. Ad esempio, quando si testa un nuovo pesticida è possibile esporre dei campioni di formiche a diverse concentrazioni di pesticida e quindi registrare il numero di formiche uccise e il numero di formiche esposte in ogni campione. In questo caso, il campo che registra il numero di formiche uccise deve essere specificato come campo obiettivo (eventi) e il campo che registra il numero di formiche in ogni campione deve essere specificato come campo prove. Se il numero di formiche è lo stesso per ogni campione, il numero di prove deve essere specificato utilizzando un valorefisso.
102 Capitolo 8
Il numero di prove deve essere maggiore o uguale al numero di eventi di ciascun record.
Gli eventi devono essere numeri interi non negativi, mentre le prove devono essere numeri interi positivi.
Personalizza categoria di riferimento. Per un obiettivo categoriale, è possibile scegliere la categoria di riferimento. Questa operazione può influire su un determinato output, ad esempio quello delle stime dei parametri, ma non dovrebbe modificare l’adattamento del modello. Ad esempio, se l’obiettivo assume i valori 0, 1 e 2, per impostazione predefinita, la procedura imposta l’ultima categoria (dal valore più alto), o 2, come categoria di riferimento.
In questa situazione, le stime dei parametri devono essere interpretate come relative alla verosimiglianza della categoria 0 o 1relativaalla verosimiglianza della categoria 2. Se si specifica una categoria personalizzata e l’obiettivo ha delle etichette definite, è possibile impostare la categoria di riferimento scegliendo un valore dall’elenco. Questo può risultare conveniente quando, durante un’operazione di specifica di un modello, non ci si ricorda esattamente del modo in cui è stato codificato un determinato campo.
Relazione e distribuzione obiettivo (Collegamento) con modello lineare.Dati i valori dei predittori, il modello prevede che la distribuzione dei valori dell’obiettivo segua la forma specificata e che i valori obiettivo siano linearmente correlati ai predittori attraverso la funzione di collegamento specificata. Sono disponibili dei collegamenti per vari modelli comuni, oppure è possibile scegliere un’impostazionePersonalizzatase esiste una particolare combinazione delle funzioni di distribuzione e di collegamento che si desidera adattare e che non si trova nell’elenco breve.
Modello lineare. Specifica una distribuzione normale con un collegamento identità, utile quando l’obiettivo può essere previsto con un modello di regressione lineare o ANOVA.
Regressione gamma. Specifica una distribuzione gamma con collegamento log da utilizzare quando l’obiettivo contiene tutti valori positivi e propende verso valori maggiori.
Loglineare. Specifica una distribuzione di Poisson con collegamento log da utilizzare quando l’obiettivo rappresenta un conteggio di occorrenze in un determinato periodo di tempo.
Regressione binomiale negativa. Specifica una distribuzione binomiale negativa con
collegamento log da utilizzare quando l’obiettivo e il denominatore rappresentano il numero di prove necessarie per osservare i successik.
Regressione logistica multinomiale.Specifica una distribuzione multinomiale con collegamento logit generalizzato da utilizzare quando l’obiettivo è una risposta multi-categoria.
Regressione logistica binaria. Specifica una distribuzione binomiale con collegamento logit da utilizzare quando l’obiettivo è una risposta binaria prevista da un modello di regressione logistica.
Probit binaria. Specifica una distribuzione binomiale con collegamento probit da utilizzare quando l’obiettivo è una risposta binaria con una distribuzione normale sottostante.
Sopravvivenza di censura per intervallo. Specifica una distribuzione binomiale con collegamento log-log complementare, utile nell’analisi di sopravvivenza quando alcune osservazioni non includono un evento di terminazione.
Modelli misti lineari generalizzati
Distribuzione
Questa selezione specifica la distribuzione dell’obiettivo. La possibilità di specificare una distribuzione non normale e una funzione di collegamento senza identità è uno dei principali vantaggi offerti dal modello misto lineare generalizzato rispetto a quello misto lineare. Dal momento che è possibile combinare più distribuzioni e funzioni di collegamento e che molte di queste sono adatte a qualsiasi combinazione di dati, è generalmente consigliabile fare una valutazione teorica a priori oppure selezionare la combinazione che si ritiene possa essere più adatta.
Binomiale.Questa distribuzione è indicata solo per un obiettivo che rappresenta una risposta binaria o un numero di eventi.
Gamma. Questa distribuzione è indicata per un obiettivo con valori di scala positivi che propendono verso valori positivi maggiori. Se il valore dei dati è inferiore o uguale a 0 o è mancante, il caso corrispondente non viene usato nell’analisi.
Gaussiana inversa. Questa distribuzione è indicata per un obiettivo con valori di scala positivi che propendono verso valori positivi maggiori. Se il valore dei dati è inferiore o uguale a 0 o è mancante, il caso corrispondente non viene usato nell’analisi.
Multinomiale.Questa distribuzione è indicata per un obiettivo che rappresenta una risposta multi-categoria.
Binomiale negativo. La regressione binomiale negativa utilizza una distribuzione binomiale con collegamento log da utilizzare quando l’obiettivo rappresenta un conteggio di occorrenze con varianza elevata.
Normale.Questa distribuzione è indicata per un obiettivo continuo i cui valori presentano una distribuzione simmetrica a forma di campana intorno al valore centrale (medio).
Poisson.Questa distribuzione può essere considerata equivalente al numero di occorrenze di un evento desiderato in un intervallo di tempofisso ed è indicata per le variabili con valori interi non negativi. Se il valore dei dati è un numero non intero, inferiore a 0 o mancante, il caso corrispondente non viene usato nell’analisi.
Funzioni di collegamento
La funzione di collegamento è la trasformazione dell’obiettivo che permette di stimare il modello.
Sono disponibili le seguenti funzioni:
Identità.f(x)=x. L’obiettivo non viene trasformato. Questa funzione di collegamento può essere usata per tutti i tipi di distribuzioni, tranne che per quella multinomiale.
Log-log complementare. f(x)=log(−log(1−x)). Questa funzione è indicata solo per la distribuzione binomiale.
Log. f(x)=log(x). Questa funzione di collegamento può essere usata per tutti i tipi di distribuzioni, tranne che per quella multinomiale.
Log complementare. f(x)=log(1−x). Questa funzione è indicata solo per la distribuzione binomiale.
Logit. f(x)=log(x/ (1−x)). Questa funzione è adatta solo con le distribuzioni binomiale o multinomiale ed è l’unica funzione di collegamento valida per la distribuzione multinomiale.
Log-log negativa.f(x)=−log(−log(x)). Questa funzione è indicata solo per la distribuzione binomiale.
104 Capitolo 8
Probit.f(x)=Φ−1(x), doveΦ−1è la funzione di distribuzione cumulata normale standard inversa. Questa funzione è indicata solo per la distribuzione binomiale.
Potenza.f(x)=xα, seα ≠0. f(x)=log(x), seα=0. αè la specifica del numero richiesto e deve essere un numero reale. Questa funzione di collegamento può essere usata per tutti i tipi di distribuzioni, tranne che per quella multinomiale.