Đọc và chẩn đoán kết quả hồi quy logit thứ tự
Vì mối quan hệ giữa tất cả các cặp của các nhóm là như nhau nên chỉ cần có một tập hợp các hệ số cho mô hình (chỉ có một mô hình). Nếu giả định này không phù hợp thì chúng ta sẽ cần các mô hình khác nhau để mô tả mối quan hệ giữa mỗi cặp của các nhóm kết quả. Vì vậy, rất cần thiết phải kiểm tra giả định tỷ lệ khả dĩ này. Trên Stata, chúng ta có 3 cách để thực hiện điều này lần lượt thông qua các lệnh như omodel, oparallel và brant. Giả thuyết H0 của các lệnh kiểm định này cho rằng mô hình dựa trên giả định tỉ lệ khả dĩ là phù hợp.
- Câu lệnh omodel có thể được tải về bằng ssc install omodel,
- Câu lệnh brant trong gói spostado có thể sử dụng findit spostado để tìm và tải về. Gói lệnh spostado có rất nhiều công cụ lệnh hữu ích trong việc ước lượng các mô hình logit như listcoef, fitstat…
- Câu lệnh oparallel có thể sử dụng ssc install oparallel để tải về
Trở lại ví dụ ban đầu với mô hình hồi quy logit thứ tự như sau:
. ologit ses academic, nolog Ordered logistic regression Number of obs = 200 LR chi2(1) = 11.83 Prob > chi2 = 0.0006 Log likelihood = -204.66504 Pseudo R2 = 0.0281 ------------------------------------------------------------------------------ ses | Coef. Std. Err. z P>|z| [95% Conf. Interval] -------------+---------------------------------------------------------------- academic | .9299305 .2745004 3.39 0.001 .3919197 1.467941 -------------+---------------------------------------------------------------- /cut1 | -.7643187 .2042487 -1.164639 -.3639987 /cut2 | 1.414609 .225507 .9726238 1.856595 ------------------------------------------------------------------------------
Kết quả kiểm tra giả định tỉ lệ khả dĩ:
- Theo oparallel
. oparallel Tests of the parallel regression assumption | Chi2 df P>Chi2 -----------------+---------------------- Wolfe Gould | 2.009 1 0.156 Brant | 1.979 1 0.160 score | 2.005 1 0.157 likelihood ratio | 1.996 1 0.158 Wald | 1.979 1 0.160
- Theo omodel
. omodel logit ses academic Iteration 0: log likelihood = -210.58254 Iteration 1: log likelihood = -204.70112 Iteration 2: log likelihood = -204.66505 Iteration 3: log likelihood = -204.66504 Ordered logit estimates Number of obs = 200 LR chi2(1) = 11.83 Prob > chi2 = 0.0006 Log likelihood = -204.66504 Pseudo R2 = 0.0281 ------------------------------------------------------------------------------ ses | Coef. Std. Err. z P>|z| [95% Conf. Interval] -------------+---------------------------------------------------------------- academic | .9299309 .2745004 3.39 0.001 .39192 1.467942 -------------+---------------------------------------------------------------- _cut1 | -.7643189 .2042487 (Ancillary parameters) _cut2 | 1.41461 .225507 ------------------------------------------------------------------------------ Approximate likelihood-ratio test of proportionality of odds across response categories: chi2(1) = 2.01 Prob > chi2 = 0.1563
- Theo brant
. brant, detail Estimated coefficients from j-1 binary regressions y>1 y>2 academic .63742021 1.191394 _cons .87248811 -1.5968591 Brant Test of Parallel Regression Assumption Variable | chi2 p>chi2 df -------------+-------------------------- All | 1.98 0.160 1 -------------+-------------------------- academic | 1.98 0.160 1 ---------------------------------------- A significant test statistic provides evidence that the parallel regression assumption has been violated.
Cả 3 câu lệnh kiểm định oparallel, omodel và brant đều cho thấy giả định tỉ lệ khả dĩ được giữ vững, do vậy, kết quả ước lượng mô hình logit thứ tự trên là phù hợp. Trong trường hợp, giả định tỉ lệ khả dĩ bị bác bỏ (bác bỏ H0) thì chúng ta xem xét sử dụng mô hình hồi quy logit thứ tự tổng quát. Trên Stata, mô hình hồi quy logit thứ tự tổng quát được ước lượng bằng câu lệnh ogologit2 (sử dụng ssc install ogologit2 để tải về máy).