Bước đầu tiên tôi muốn giới thiệu là giới thiệu một biến giả cho mỗi lớp thứ tự (xem các bình luận tại https://www.google.com/url?sa=t&source=web&rct=j&ei=B9r5U67pH8vfsASwq4GADQ&url=http://www.uta .edu / giảng viên ) và vẽ các phương tiện tương ứng từ việc phân tích biến giả hồi quy. Bạn cũng có thể kiểm tra xu hướng trong các biến giả. Bạn cũng sắp xếp lại thứ tự biến thứ tự theo độ lớn ước tính tương ứng của các biến giả để phân tích tiếp theo nếu có sự biện minh trước (để xem dữ liệu hiện tại) để thực hiện.
Giả sử phân tích trước đó thiếu hiệu ứng xu hướng ngày càng tăng (không nhất thiết là tuyến tính) và kết hợp bất kỳ thứ tự có thể hỗ trợ nào trong chính biến thứ tự, một cách tiếp cận thú vị cũng giải quyết các vấn đề quy phạm có thể, là thực hiện phân tích hồi quy trong đó tất cả các biến được xếp hạng, bao gồm cả biến số thứ tự. Một lý do cho sự điên rồ này, để trích dẫn từ Wikipedia về Hệ số tương quan xếp hạng của Spearman (liên kết: http://en.m.wikipedia.org/wiki/Spearman 's_rank_correlation_coffic):
"Hệ số của Spearman, giống như bất kỳ phép tính tương quan nào, phù hợp cho cả biến liên tục và biến rời rạc, bao gồm cả biến số thứ tự. [1] [2]"
Wikipedia trình bày một ví dụ và một số cách để đánh giá lỗi tiêu chuẩn của mối tương quan xếp hạng được tính toán để kiểm tra. Lưu ý, nếu nó không khác biệt về mặt thống kê so với số không, thì một phiên bản được chia tỷ lệ, như trong hồi quy tính toán dựa trên các cấp bậc, tương tự, không đáng kể.
Tôi sẽ tiếp tục bình thường hóa các cấp bậc này (chia cho số lượng quan sát), đưa ra một diễn giải định lượng mẫu có thể (lưu ý, có thể có các tinh chỉnh trong việc xây dựng phân phối theo kinh nghiệm cho dữ liệu được đề cập). Tôi cũng sẽ thực hiện một mối tương quan đơn giản giữa y và một biến số biến đổi đã cho để hướng của xếp hạng đã chọn của bạn (ví dụ: 1 đến 4 so với 4 đến 1), tạo ra một dấu hiệu cho tương quan xếp hạng có ý nghĩa trực quan trong ngữ cảnh nghiên cứu của bạn.
[Chỉnh sửa] Xin lưu ý rằng các mô hình ANOVA có thể được trình bày ở định dạng hồi quy với ma trận thiết kế phù hợp và với bất kỳ mô hình hồi quy tiêu chuẩn nào bạn điều tra, chủ đề trung tâm là phân tích dựa trên trung bình của Y cho X. Tuy nhiên, trong một số ngành như sinh thái học, một trọng tâm khác nhau về quan hệ hồi quy ngụ ý ở các lượng tử khác nhau, bao gồm cả trung vị, đã chứng minh có kết quả. Rõ ràng trong sinh thái học có nghĩa là các hiệu ứng có thể nhỏ, nhưng không nhất thiết là như vậy ở các lượng tử khác. Lĩnh vực này được gọi là hồi quy lượng tử. Tôi sẽ đề nghị bạn sử dụng nó để bổ sung cho phân tích hiện tại của bạn. Để tham khảo, bạn có thể thấy Tài liệu 213-30, "Giới thiệu về hồi quy lượng tử và thủ tục QUANTREG" của Colin (Lin) Chen tại Viện SAS hữu ích.
Đây cũng là một nguồn về việc sử dụng các biến đổi thứ hạng: "Việc sử dụng biến đổi thứ hạng trong hồi quy" của Ronald L. Iman và WJ Conover, được xuất bản trên Technometrics, Tập 21, Số 4, Tháng 11, 1979. Bài báo lưu ý rằng hồi quy sử dụng biến đổi thứ hạng dường như hoạt động khá tốt trên dữ liệu đơn điệu. Ý kiến này cũng được chia sẻ bởi các chuyên gia về độ tin cậy, người phát biểu trên một tạp chí trực tuyến, để trích dẫn: "Phương pháp ước lượng hồi quy xếp hạng là khá tốt cho các chức năng có thể được tuyến tính hóa". Nguồn: "Độ tin cậy Hotwire, Số 10, tháng 12, 2010.