लॉजिस्टिक रिग्रेशन में अवशिष्टों का क्या अर्थ है?

इस सवाल के जवाब में जॉन क्रिस्टी ने सुझाव दिया कि लॉजिस्टिक रिग्रेशन मॉडल के फिट का मूल्यांकन अवशिष्टों का मूल्यांकन करके किया जाना चाहिए। मैं ओएलएस में अवशेषों की व्याख्या करने के तरीके से परिचित हूं, वे डीवी के समान पैमाने पर हैं और मॉडल द्वारा भविष्यवाणी की गई वाई और वाई के बीच बहुत स्पष्ट रूप से अंतर है। हालांकि लॉजिस्टिक रिग्रेशन के लिए, अतीत में मैंने आमतौर पर मॉडल फिट के उदाहरणों की जांच की है, जैसे कि एआईसी, क्योंकि मुझे यकीन नहीं था कि लॉजिस्टिक रिग्रेशन के लिए अवशिष्ट का क्या मतलब होगा। में देखने के बाद आर की सहायता फ़ाइलें , एक छोटा सा मुझे लगता है कि आर में वहाँ GLM उपलब्ध बच के पांच प्रकार हैं c("deviance", "pearson", "working","response", "partial")। मदद फ़ाइल को संदर्भित करता है:

डेविसन, एसी और स्नेल, ईजे (1991) अवशिष्ट और निदान। में: सांख्यिकीय सिद्धांत और मॉडलिंग। सर डेविड कॉक्स के सम्मान में, FRS , eds। हिंकले, डीवी, रीड, एन। और स्नेल, ईजे, चैपमैन और हॉल।

मेरे पास उसकी प्रति नहीं है। क्या इन प्रकारों में से प्रत्येक की व्याख्या करने का एक छोटा तरीका है? एक लॉजिस्टिक संदर्भ में स्क्वायर्ड अवशिष्टों का योग मॉडल फिट का एक सार्थक उपाय प्रदान करेगा या एक सूचना मानदंड के साथ बेहतर है?

— russellpierce
स्रोत

इस प्रश्न के ऐसे तत्व हैं जो अनुत्तरित रहते हैं, उदाहरण के लिए "पियर्सन", "कार्य", "प्रतिक्रिया" और "आंशिक" अवशिष्ट की प्रकृति, लेकिन अब के लिए मैं थायलेकोलो के उत्तर को स्वीकार करूंगा।

— russellpierce

मुझे लगता binnedplotहै कि आर पैकेज आर्म में फ़ंक्शन अवशेषों का एक बहुत ही उपयोगी प्लॉट देता है। यह जेलमैन और हिल 2007 के p.97-101 पर अच्छी तरह से वर्णित है ।

— संयुक्ताक्षरी 14

मॉडल फिट की जांच करने के लिए वास्तव में एक आसान तरीका प्रेक्षित बनाम आनुपातिक की एक साजिश है। लेकिन यह तब काम नहीं करेगा जब आपके पास बर्नौली रिग्रेशन (यानी आपके सभी अवलोकनों में स्वतंत्र चर के अद्वितीय संयोजन हों, ताकि ) हो, क्योंकि आपको बस शून्य और लोगों की एक पंक्ति दिखाई देगी।

n_{i} = 1

$n_i=1$

— probabilityislogic

हाँ - दुख की बात है कि मैं आमतौर पर एक बर्नोली डीवी का उपयोग कर रहा हूं।

— रुसलपिएरेस

स्टैक ओवरफ्लो पर glm $ अवशिष्ट और अवशेष (glm) को समझना भी देखें ।

— गूँग - मोनिका

जवाबों:

समझने के लिए सबसे आसान अवशिष्ट अवशिष्ट होते हैं, जब ये राशि लॉग-लाइबिलिटी से -2 गुना अधिक होती है। इसके सरलतम रूप में रसद प्रतिगमन फिटिंग समारोह के संदर्भ में समझा जा सकता है के लिए जाना जाता है के रूप में इस तरह से कुल विचलन है, जो सभी डेटा की चुकता विचलन बच का योग है कम करने के लिए अंक। $p = \text{logit}^{-1}(X\beta)$ $X$

(चुकता) प्रत्येक डेटा बिंदु के विचलन इसकी भविष्यवाणी की संभावना के बीच अंतर की (-2 बार) लघुगणक के बराबर है और एक नियंत्रण के लिए अपने वास्तविक मूल्य के पूरक (1, एक 0 एक के लिए मामला) निरपेक्ष रूप से। एक बिंदु का एक सही फिट (जो कभी नहीं होता है) शून्य का एक विचलन देता है जैसे लॉग (1) शून्य है। एक खराब फिटिंग बिंदु में एक बड़ा अवशिष्ट विचलन है, क्योंकि बहुत छोटे मूल्य के लॉग की एक बड़ी संख्या है। $\text{logit}^{-1}(X\beta)$

लॉजिस्टिक रिग्रेशन करना एक बीटा वैल्यू खोजने के समान है, जिसमें स्क्वेयर्ड डिवोर्स रेजिडेंस का योग कम से कम हो।

यह एक प्लॉट के साथ चित्रित किया जा सकता है, लेकिन मुझे नहीं पता कि किसी को कैसे अपलोड किया जाए।

— Thylacoleo
स्रोत

Reg की छवियां: नि: शुल्क छवि होस्टिंग साइटों (खोज Google) में से एक का उपयोग करें, उस साइट पर भूखंड अपलोड करें और इसे यहां लिंक करें।

मैंने अपने मूल उत्तर में एक त्रुटि सुधार ली है। मैंने पहली बार p = logit (X Beta) लिखा था । वास्तव में अनुमानित संभावना रैखिक संयोजन, पी = चालान-लॉगिट (एक्स बीटा) का व्युत्क्रम लॉग है । R में इसकी गणना p <-plogit (X Beta) के रूप में की जाती है, जो p = exp (X Beta) / (1 + exp (X * beta)) है।

— थायलाकोले

किस R पैकेज plogitसे है? यह स्पष्ट नहीं था कि आप इसे यहाँ परिभाषित कर रहे थे या कहीं और से प्राप्त कर रहे थे।

— अमुनीमुस

@Aununimus plogitR (आँकड़े) में है, किसी भी पैकेज की आवश्यकता नहीं है (कम से कम अब और नहीं)

— russellpierce

पियर्सन अवशिष्टों पर,

पियर्सन अवशिष्ट अनुमानित संभावना के द्विपद मानक विचलन द्वारा विभाजित मनाया और अनुमानित संभावनाओं के बीच का अंतर है। इसलिए अवशिष्टों का मानकीकरण करना। बड़े नमूनों के लिए मानकीकृत अवशिष्टों का सामान्य वितरण होना चाहिए।

मेनार्ड, स्कॉट (2002) से। एप्लाइड लॉजिस्टिक रिग्रेशन विश्लेषण, 2 डी संस्करण। थाउज़ेंड ओक्स, सीए: सेज पब्लिकेशन। श्रृंखला: सामाजिक विज्ञान में मात्रात्मक अनुप्रयोग, नंबर 106. पहला संस्करण।, 1995। अध्याय 4.4 देखें

— tosonb1
स्रोत

n_{i}

$n_i$

n_{i} < 5

$n_i<5$

काम कर रहे अवशेष किसी भी पुनरावृत्त भारित वर्गों के अंतिम पुनरावृत्ति में अवशेष हैं । मुझे लगता है कि अवशिष्ट का मतलब है जब हम सोचते हैं कि यह हमारे मॉडल के चलने की अंतिम पुनरावृत्ति है। यह चर्चा को जन्म दे सकता है कि चल रहा मॉडल एक पुनरावृत्त अभ्यास है।

— आयुष बियानी
स्रोत