Skip to the main content

Preliminary communication

https://doi.org/10.62366/crebss.2024.1.001

Usporedba višerazinskih modela ordinalne regresije u analizi rangiranja policijskih snaga

Douglas Andabati Candia orcid id orcid.org/0000-0003-0592-4627 ; School of Statistics and Planning, Makerere University, Kampala, Uganda *
Patrick Guge Oloo Weke ; Faculty of Science and Technology, University of Nairobi, Kenya
Moses Mwangi Manene ; Faculty of Science and Technology, University of Nairobi, Kenya
George Muhua orcid id orcid.org/0009-0002-7564-0363 ; Faculty of Science and Technology, University of Nairobi, Kenya

* Corresponding author.


Full text: english pdf 210 Kb

page 1-12

downloads: 106

cite


Abstract

U literaturi je razvijeno nekoliko metoda za modeliranje ordinalnih podataka uzimajući u obzir njihov prirodni redoslijed. Međutim, ovo je istraživanje nastojalo usporediti dvije moguće vezne funkcije višerazinske ordinalne regresije koristeći rangove muškaraca o policijskim snagama u Ugandi kao varijablu ishoda. Varijable su prikupljene iz UNGBS baze podataka (engl. Uganda National Governance Baseline Survey). Najveći udio muškaraca policiju je ocijenio dobrom (40,9%), zatim osrednjom (24,96%), lošom (19,1%) i na kraju vrlo dobrom (15,1%). Višerazinski uređeni logistički regresijski model s pojedinačnim i kontekstualnim varijablama imao je najniži AIC u usporedbi s drugim modelima, najbolje se prilagođavajući podacima. Svi rezultati testa omjera vjerodostojnosti pokazali su postojanje značajne varijacije u rangiranju policijskih snaga od strane muškaraca u različitim okruzima. Dakle, muškarci iz istog okruga bili su znatno sličniji u odnosu na muškarce iz drugih okruga. Istraživači koji koriste podatke prikupljene primjenom višestupanjskog uzorkovanja ili bilo kojeg oblika ugniježđivanja trebali bi razmotriti modele s više razina ili modele s mješovitim učincima.

Keywords

logit; ordinalna regresija; rangiranje policije; probit; Uganda

Hrčak ID:

318511

URI

https://hrcak.srce.hr/318511

Publication date:

28.6.2024.

Article data in other languages: english

Visits: 478 *