Comment gérer la variable catégorielle ordinale en tant que variable indépendante

J'utilise un modèle logit. Ma variable dépendante est binaire. Cependant , j'ai une variable indépendante qui est catégorique et contient les réponses: 1.very good, 2.good, 3.average, 4.poor and 5.very poor. Donc, c'est ordinal ("quantitatif catégorique"). Je ne sais pas comment gérer cela dans le modèle. J'utilise gretl.

[Note de @ttnphns: Bien que la question indique que le modèle est logit (parce que la dépendance est catégorielle), la question cruciale - les variables indépendantes ordinales - est fondamentalement la même, soit la dépendance catégorielle ou quantitative. Par conséquent, la question est également pertinente, par exemple, pour la régression linéaire - comme pour la régression logistique ou un autre modèle logit.]

Le problème avec la variable indépendante ordinale est que, puisque, par définition, les vrais intervalles métriques entre ses niveaux ne sont pas connus , aucune relation de type appropriée - à part le parapluie "monotone" - ne peut être supposée a priori. Nous devons faire quelque chose, par exemple - pour "filtrer ou combiner des variantes" ou "préférer ce qui maximise quelque chose".

Si vous insistez pour traiter votre cote de risque IV comme ordinale (plutôt qu'intervalle ou nominale), j'ai une paire d'alternatives pour vous.

1. Utilisez des contrastes polynomiaux, c'est-à-dire que chacun de ces prédicteurs utilisés dans le modèle entre non seulement de manière linéaire mais également quadratique et cubique. Ainsi, non seulement l'effet monotone linéaire, mais plus général peut être capturé (l'effet linéaire correspond au prédicteur conservé comme échelle / intervalle et les deux autres effets le goûtent comme ayant des intervalles non égaux). De plus, des variables muettes de chaque prédicteur pourraient également être entrées, ce qui permettra de tester l'effet nominal / factoriel. À la fin de tout cela, vous savez combien votre prédicteur agit comme facteur, combien comme covariable linéaire et combien comme covariable non linéaire. Cette option est facile à faire dans presque toutes les régressions (linéaire, logistique, autres modèles linéaires généralisés). Il consommera df s, la taille de l'échantillon doit donc être suffisamment grande.
2. Utilisez une mise à l'échelle optimale régression de . Cette approche transforme monotone un prédicteur ordinal en un intervalle afin de maximiser l'effet linéaire sur le prédictant. CATREG (régression catégorielle) est une implémentation de cette idée dans SPSS. Un problème de votre cas spécifique est que vous voulez faire de la régression logistique, pas une régression linéaire, mais CATREG n'est pas basé sur un modèle logit. Je pense que cet obstacle est relativement mineur car votre prédictand n'est que de 2 catégories (binaire): je veux dire que vous pourriez toujours faire CATREG pour une mise à l'échelle optimale, puis faire une régression logistique finale avec les prédicteurs d'échelle transformés choisis.
3. Notez également que dans le cas simple d'une échelle ou DV ordinale et d'un IV ordinal, le test de Jonckheere-Terpstra peut être une analyse raisonnable au lieu d'une régression.

Il pourrait également y avoir d'autres suggestions. Les trois ci-dessus sont ce qui m'est venu à l'esprit en lisant instantanément votre question.

Permettez-moi de vous recommander également de visiter ces fils: Association entre nominal et échelle ou ordinale ; Association entre ordinal et échelle . Ils pourraient être utiles malgré le fait qu'ils ne concernent pas spécifiquement les régressions.

Mais ces fils parlent de régressions, notamment logistiques: il faut regarder à l'intérieur: un , deux , trois , quatre , cinq .

Juste pour ajouter aux autres excellentes réponses: une manière moderne de le gérer pourrait être via un modèle additif, représentant la variable indépendante ordinale via une spline. Si vous êtes certain que l'effet de la variable est monotone, vous pouvez vous limiter à une spline monotone. (Pour un exemple de splines monotones utilisées, voir Recherche d'une fonction pour s'adapter à une courbe de type sigmoïde ).

Dans R, si vous faites du prédicteur ordinal un "facteur ordonné" (avec par exemple le code ord <- factor(sample(1:5,20,replace=TRUE),ordered=TRUE) ), alors dans un modèle linéaire, il sera représenté via des polynômes orthogonaux.

$k-1$$k$