Журнал: Социология: методология, методы, математическое моделирование (Социология:4М)Попова П. А., Ротмистров А. Н.Логистическая регрессия с категориальными предикторами и эффектами взаимодействия и CHAID: сравнительный анализ на эмпирическом примере

Институт социологии
ФНИСЦ РАН

Журнал: Социология: методология, методы, математическое моделирование (Социология:4М)

Попова П. А., Ротмистров А. Н.

Логистическая регрессия с категориальными предикторами и эффектами взаимодействия и CHAID: сравнительный анализ на эмпирическом примере


Попова Полина Артемовна
Национальный исследовательский университет «Высшая школа экономики»
Магистрант Национального исследовательского университета «Высшая школа экономики» (НИУ ВШЭ), менеджер Лаборатории экономико-социологических исследований НИУ ВШЭ
Ротмистров Алексей Николаевич
Национальный исследовательский университет «Высшая школа экономики»
Кандидат социологических наук, доцент кафедры методов сбора и анализа социологической информации НИУ ВШЭ

Полный текст

Открыть текст

Ссылка при цитировании:

Попова П. А., Ротмистров А. Н. Логистическая регрессия с категориальными предикторами и эффектами взаимодействия и CHAID: сравнительный анализ на эмпирическом примере // Социология: методология, методы, математическое моделирование (Социология:4М). 2016. № 43. С. 63-99.

Рубрика:

ПРАКТИКИ СБОРА И АНАЛИЗА ФОРМАЛИЗОВАННЫХ ДАННЫХ

Аннотация:

Статья посвящена методологическому аспекту выявления детерминант политического активизма, а именно вариантам работы с категориальными предикторами, гипотетически объясняющими уровень активизма. Применение логистической регрессии к таким предикторам предполагает их преобразование в фиктивные переменные, что «утяжеляет» модель и создает ряд трудностей в оценке ее качества. «Утяжеление» усугубляется в случае желания исследователя рассмотреть эффекты взаимодействия, поскольку процесс регрессионного моделирования не позволяет учесть степень сходства величин коэффициентов дихотомических предикторов и на основании этого не включать в обработку «лишние» комбинации значений этих предикторов. Авторы статьи обосновывают возможность использования в качестве альтернативы регрессии метод поиска детерминант: CHAID. Цель исследования: сравнение двух указанных методов на основании априорно известных их свойств, обоснование некоторых теоретических преимуществ CHAID над логистической регрессией, параллельное применение этих методов к эмпирическим данным, сравнение полученных результатов. Исследование проведено на данных Европейского социального обследования (European Social Survey – ESS) 2012 г. Зависимой переменной выступил «политический активизм», а набор гипотетических детерминант был составлен из переменных социально-экономического блока панели.

Литература:

  • Толстова Ю. Н. Анализ социологических данных. М.: Научный мир, 2000.
  • Agresti A., Finlay B. Statistical Methods for the Social Sciences. Pearson/ Prentice Hall: New Jersey, 2009.
  • Толстова Ю.Н. Измерение в социологии: курс лекций. М.: ИНФРА-М, 1998.
  • Bollen K.A., Barb K.H. Pearson’s r and coarsely categorized measures // American Sociological Review. 1981. P. 232–239.
  • Hawkes R.K. Effects of Grouping on Measures of Ordinal Association // Sociological Methodology. 1976. Vol. 7. P. 176–194.
  • O’Brien R.M. The Use of Pearson’s with Ordinal Data // American Sociological Review. 1979. P. 851–857.
  • Ротмистров А.Н., Толстова Ю.Н. Проблемы построения нелинейных регрессионных моделей в социологии: номинальные шкалы, синергетические эффекты, поиск эффективной системы предикторов // Математическое моделирование социальных процессов. 2014. № 16. С. 159–178.
  • Попова П.А., Ротмистров А.Н. Регрессия с категориальными предикторами: критика применения фиктивных переменных и логлинейный анализ как альтернативный подход // Социологический журнал. 2016. №3. С. 8–31
  • Серая О.В., Дёмин Д.А. Оценивание параметров уравнения регрессии в условиях малой выборки // Восточно-Европейский журнал передовых технологий. 2009. Т. 6. № 4(42).
  • Agresti A. An Introduction to Categorical Data Analysis. Willey, Hoboken, 2007. Ch.5.5.
  • Толстова Ю.Н., Шишко И.О. Использование качественного сравнительного анализа для поиска эффективной системы предикторов в логистической регрессии // Математическое моделирование и информатика социальных процессов: сб. трудов. Вып. 18. М.: Экономинформ, МГУ им. Ломоносова, ф-т выч. математики и кибернетики, 2016. С. 222–242.
  • Loh W. Classification and Regression Tree Methods // Encyclopedia of Statistics in Quality and Reliability / Ed. F. Ruggeri, R. Kenett, F. Faltin. Wiley, 2008. P. 315–323.
  • Ritschard G. CHAID and Earlier Supervised Tree Methods // Contemporary Issues in Exploratory Data Mining in the Behavioral Sciences / Ed. J. McArdle, G. Ritschard. London: Routledge, 2013. P. 48–74.
  • Rokach L., Maimon O. Decision Trees // Data Mining and Knowledge Discovery Handbook. Springer. Fovea. La segmentation, 2010.
  • Holgerssona H., Nordstr?ma L., ?ner ?., Bollen K., Stine R. Dummy Variables vs. Category-wise Models // Journal of Applied Statistics. 2014. Vol. 41. No. 2. P. 233–241.
  • Horner S.B., Fireman G.D., Wang E. W. The Relation of Student Behavior, Peer Status, Race, and Gender to Decisions about School Discipline Using CHAID Decision Trees and Regression Modeling // Journal of School Psychology 2010. Vol. 48. No. 2. P. 135–161.
  • Liu Y.Y., Yang M., Ramsay M., Li X. S., Coid J. W. A Comparison of Logistic Regression, Classification and Regression Tree, and Neural Networks Models in Predicting Violent Re-Offending // Journal of Quantitative Criminology. 2011. Vol. 27. No. 4. P. 547–573.
  • European Social Survey. URL: http://www.europeansocialsurvey.org/

Содержание выпуска

>> Содержание выпуска 2016. № 43.
>> Архив журнала

© 1998-2024. Институт социологии РАН (http://www.isras.ru)