लॉजिस्टिक रिग्रेशन और क्रमबद्ध स्वतंत्र चर


10

मुझे यह पोस्ट मिली है:

हाँ। गुणांक क्रमिक भविष्यवक्ता में परिवर्तन के प्रत्येक वेतन वृद्धि के लिए लॉग बाधाओं में परिवर्तन को दर्शाता है। यह (बहुत ही सामान्य) मॉडल विनिर्देशन मानता है कि भविष्यवक्ता के वेतन वृद्धि पर रैखिक प्रभाव पड़ता है। धारणा का परीक्षण करने के लिए, आप एक मॉडल की तुलना कर सकते हैं जिसमें आप एक एकल भविष्यवक्ता के रूप में अध्यादेशीय चर का उपयोग करते हैं जिसमें आप प्रतिक्रियाओं को विवेक देते हैं और उन्हें कई भविष्यवाणियों के रूप में मानते हैं (जैसा कि आप चर नाममात्र थे); यदि बाद वाला मॉडल काफी बेहतर फिट नहीं होता है, तो प्रत्येक वेतन वृद्धि को एक रैखिक प्रभाव के रूप में व्यवहार करना उचित है।

- @ dmk38 12 दिसंबर को 5:21 बजे

क्या आप मुझे बता सकते हैं कि इस दावे का समर्थन करने वाली कोई चीज़ कहां से प्रकाशित हो सकती है? मैं डेटा के साथ काम कर रहा हूं और मैं लॉजिस्टिक प्रतिगमन में क्रमिक स्वतंत्र चर का उपयोग करना चाहूंगा।


इसी तरह का एक प्रश्न देखें आँकड़े ।stackexchange.com
q

जवाबों:


2

@Scortchi नोट के रूप में , आप ऑर्थोगोनल पॉलीओनियम्स का भी उपयोग कर सकते हैं। यहाँ आर में एक त्वरित प्रदर्शन है:

set.seed(3406)
N      = 50
real.x = runif(N, 0, 10)
ord.x  = cut(real.x, breaks=c(0,2,4,6,8,10), labels=FALSE)
ord.x  = factor(ord.x, levels=1:5, ordered=TRUE)
lo.lin = -3 + .5*real.x
p.lin  = exp(lo.lin)/(1 + exp(lo.lin))
y.lin  = rbinom(N, 1, prob=p.lin)

mod.lin = glm(y.lin~ord.x, family=binomial)
summary(mod.lin)
# ...
# Coefficients:
#             Estimate Std. Error z value Pr(>|z|)   
# (Intercept)  0.05754    0.36635   0.157  0.87520   
# ord.x.L      2.94083    0.90304   3.257  0.00113 **
# ord.x.Q      0.94049    0.85724   1.097  0.27260   
# ord.x.C     -0.67049    0.77171  -0.869  0.38494   
# ord.x^4     -0.09155    0.73376  -0.125  0.90071   
# ...

8

लॉजिस्टिक रिग्रेशन पर किसी भी अच्छी किताब में यह होगा, हालांकि शायद उन शब्दों में नहीं। एक बहुत ही आधिकारिक स्रोत के लिए अग्रेंजी के श्रेणीबद्ध डेटा विश्लेषण का प्रयास करें।

यह लॉजिस्टिक रिग्रेशन (या अन्य रिग्रेशन) की परिभाषा से भी अनुसरण करता है। सामान्य स्वतंत्र चर के लिए स्पष्ट रूप से कुछ विधियां हैं । सामान्य विकल्प इसे श्रेणीबद्ध (जो आदेश को खो देता है) या निरंतर के रूप में व्यवहार कर रहे हैं (जो कि आपके द्वारा उद्धृत में बताई गई धारणा बनाता है)। यदि आप इसे निरंतर मानते हैं तो विश्लेषण करने वाला कार्यक्रम यह नहीं जानता कि यह क्रमिक है। उदाहरण के लिए मान लीजिए कि आपका IV "राष्ट्रपति ओबामा को कितना पसंद है?" और आपके उत्तर विकल्प 1. "बहुत ज्यादा" से लेकर 5. "बिल्कुल नहीं" तक एक लिकर्ट स्केल हैं। यदि आप इसे निरंतर मानते हैं तो (कार्यक्रम के दृष्टिकोण से) "5" उत्तर 5 बार "1" उत्तर है। यह अनुचित हो सकता है या नहीं भी हो सकता है।


3
धारा 5.4.6। और आप रूढ़िवादी भविष्यवक्ता को कोड करने के लिए ऑर्थोगोनल पॉलीओनियम्स का उपयोग करके विचार का विस्तार कर सकते हैं।
Scortchi - को पुनः स्थापित मोनिका

आपकी टिप्पणियों के लिए धन्यवाद, वे मेरे विश्लेषण में बहुत मदद करेंगे।
फ्रेडरिक

2
@Frederico, यदि पीटर के उत्तर ने आपके प्रश्न को हल किया है, तो आपको इसे कुल वोट के नीचे चेक मार्क पर क्लिक करके इसे स्वीकार करना चाहिए।
गूँग - मोनिका
हमारी साइट का प्रयोग करके, आप स्वीकार करते हैं कि आपने हमारी Cookie Policy और निजता नीति को पढ़ और समझा लिया है।
Licensed under cc by-sa 3.0 with attribution required.