Download presentation
Presentation is loading. Please wait.
1
REGRESSION FOR ORDINAL OUTCOMES 「順序尺度依變項」的迴歸模型
i.e. 非常同意、同意、不同意、非常不同意
2
複習 OLS Logit 、Logistic 連續數值的依變項，i.e. 年收入、人口數、得票數
Stata指令：reg 依變項 自變項1 自變項2 自變項3 解釋：在其他條件不變的情況下，當教育程度提升一個 單位，年收入增加15000元。 Logit 、Logistic 兩極(二元)數值的依變項(1 & 0)，i.e. 當選與否、生/死 Stata 指令： logit依變項 自變項1 自變項2 自變項3 logistic依變項 自變項1 自變項2 自變項3 解釋：在其他條件不變的情況下，具備地方民意代表的 背景資歷，會使連任成功的Odds減少0.41%。
3
OLS
4
Logit
5
Logistic
6
實際操作: 資料處理 & 迴歸指令 順序尺度變項「得票數」 很低、低、中等、高、很高
7
Ordered Logit Stata 指令： 解讀報表： ologit依變項 自變項1 自變項2 自變項3
ologit 依變項 自變項1 自變項2 自變項3, or 解讀報表： 看正/負關係是否顯著 看Odds ratios
8
實際操作：ordered logit 迴歸
9
實際操作：檢視Odds ratios
10
解讀報表 Cut point=截距 在其他條件不變的情況下，擁有地方民意代表 背景的立委，其連任競選時得票數高一等級的 機率，比非該背景者「少38%」的odds。 (或者，得票數低一等級的機率，增加38%) 在其他條件不變的情況下，當立委每多一筆提 案，其連任競選時的得票數高一等級的機率， 就「增加5.17%」的odds。
Similar presentations
