Порядковые модели данных скачать в хорошем качестве

Порядковые модели данных

Порядковые данные представляют собой один из четырёх уровней измерения, расположенный между номинальными данными (которые классифицируют только без упорядочивания) и интервальными данными (с равными интервалами между значениями). В отличие от номинальных данных, порядковые данные имеют осмысленный порядок, позволяющий ранжировать значения, но, в отличие от интервальных данных, расстояния между последовательными значениями не обязательно равны. Примерами служат рейтинговые шкалы, где ответы варьируются от «не согласен» до «согласен», или рейтинги спортивных соревнований, где разница между первым и вторым местами может не равняться разнице между вторым и третьим местами. При анализе порядковых данных стандартный регрессионный анализ не может быть использован, поскольку он предполагает интервальное измерение. Вместо этого используются специализированные модели, такие как упорядоченная пробит-регрессия и упорядоченная логистическая регрессия. Эти модели используют подход латентной переменной, где ненаблюдаемая непрерывная переменная лежит в основе наблюдаемых порядковых ответов. Латентная переменная делится на предполагаемые пороговые значения, которые определяют, какая порядковая категория наблюдается. Например, если латентная переменная оказывается ниже первого порогового значения, ответ кодируется как 1; Если значение попадает между первым и вторым порогами, ему присваивается значение 2 и т. д. Этот подход также можно реализовать с помощью формулировки функции связи, которая оценивает несколько логистических или пробит-кривых, отличающихся только своими точками пересечения. Ключевым предположением порядковых моделей является предположение о параллельности прямых или пропорциональных шансах, которое требует, чтобы факторы, объясняющие различия между любыми двумя соседними категориями, оставались неизменными при всех сравнениях категорий. Видео демонстрирует эти концепции на эмпирическом примере, посвященном возможности обучения харизме. Исследователи использовали порядковую регрессию для анализа рейтингов лидерства до и после обучения. На практике отдельные элементы, измеряемые по шкалам от 1 до 5, обычно следует рассматривать как порядковые, в то время как несколько элементов часто можно усреднить и рассматривать как интервальные шкалы, особенно при использовании трёх или более элементов с достаточной вариабельностью ответов. Ссылка на слайды: https://osf.io/9erfm