एक 2x2 और Ix2 (एकल कारक - द्विआधारी प्रतिक्रिया) आकस्मिक तालिकाओं में ची-स्क्वायर बनाम लॉजिस्टिक रिग्रेशन?


10

मैं 2x2 और Ix2 आकस्मिक तालिकाओं में लॉजिस्टिक प्रतिगमन के उपयोग को समझने की कोशिश कर रहा हूं। उदाहरण के लिए, इसे एक उदाहरण के रूप में उपयोग करते हुए

यहां छवि विवरण दर्ज करें

ची-स्क्वायर परीक्षण का उपयोग करने और लॉजिस्टिक प्रतिगमन का उपयोग करने के बीच क्या अंतर है? इस तरह के कई नाममात्र कारकों (Ix2 तालिका) के साथ एक तालिका के बारे में क्या:

यहां छवि विवरण दर्ज करें

यहाँ एक समान प्रश्न है - लेकिन इसका उत्तर मुख्य रूप से यह है कि ची-स्क्वायर mxn टेबल को संभाल सकता है, लेकिन मेरा सवाल यह है कि बाइनरी परिणाम और एकल नाममात्र कारक होने पर इसके लिए क्या विशिष्ट है। (जुड़ा हुआ धागा भी इस धागे को संदर्भित करता है , लेकिन यह म्यूटेटर वेरिएबल्स / कारकों के बारे में है)।

यदि यह केवल एक कारक है (बाइनरी प्रतिक्रिया के साथ अन्य चर के लिए नियंत्रित करने की आवश्यकता नहीं है), तो लॉजिक रिग्रेशन करने का उद्देश्य अंतर क्या है?


प्रश्न के लिए +1, लेकिन आपको इसके साथ काम करने के लिए डेटा को कॉपी और पेस्ट करने की सुविधा प्रदान करने की आवश्यकता है।
एंटोनी परेलाडा

2
देखें कि मेरे पी-मान लॉजिस्टिक रिग्रेशन आउटपुट, ची-स्क्वेर्ड टेस्ट और ओआर के लिए विश्वास अंतराल के बीच भिन्न क्यों हैं? । एसोसिएशन के लिए पियर्सन की ची-स्क्वेड टेस्ट शून्य परिकल्पना के लिए सिर्फ स्कोर टेस्ट है कि सभी ढलान शून्य हैं। इसी संभावना अनुपात परीक्षण समान रूप से समतुल्य है। जैसा कि @Kodiologist कहते हैं, लॉजिस्टिक रिग्रेशन का उपयोग करने वाले परीक्षण की तुलना में व्यापक हैं कि सभी ढलान शून्य हैं।
Scortchi - को पुनः स्थापित मोनिका

जवाबों:


12

अंततः, यह सेब और संतरे हैं।

लॉजिस्टिक रिग्रेशन एक नाममात्र चर को एक या अधिक अन्य चर के संभाव्य परिणाम के रूप में मॉडल करने का एक तरीका है। लॉजिस्टिक-रिग्रेशन मॉडल को फॉलो करते हुए परीक्षण किया जा सकता है कि क्या मॉडल गुणांक 0 से काफी अलग है, गुणांक के लिए आत्मविश्वास अंतराल की गणना करना, या यह जांचना कि मॉडल नई टिप्पणियों की कितनी अच्छी भविष्यवाणी कर सकता है।

आजादी के χ² परीक्षण एक विशेष महत्व परीक्षण है कि शून्य परिकल्पना है कि दो नाममात्र चर स्वतंत्र हैं परीक्षण है।

चाहे आपको लॉजिस्टिक रिग्रेशन का उपयोग करना चाहिए या on टेस्ट आपको उस प्रश्न पर निर्भर करता है जिसका आप जवाब देना चाहते हैं। उदाहरण के लिए, एक could परीक्षण यह जाँच सकता है कि क्या यह मानना ​​अनुचित है कि किसी व्यक्ति का पंजीकृत राजनैतिक दल उनकी जाति से स्वतंत्र है, जबकि लॉजिस्टिक प्रतिगमन इस संभावना की गणना कर सकता है कि एक व्यक्ति किसी दिए गए जाति, आयु और लिंग का संबंध प्रत्येक राजनीतिक दल से है। ।


धन्यवाद। क्या आप मुझे विभिन्न प्रकार के प्रश्नों का उदाहरण दे सकते हैं, जिनका आप विभिन्न तरीकों से उत्तर दे सकते हैं? क्या कोई विशिष्ट संसाधन हैं जो आप उन विभिन्न प्रश्नों को समझने के लिए सुझा सकते हैं जिनका उत्तर दो विधियों से दिया जा सकता है?
एल Xandor

मैंने अपने उत्तर में उदाहरण जोड़े। आपके दूसरे प्रश्न के बारे में, विकिपीडिया शुरू करने के लिए एक अच्छी जगह है। इसके अलावा, अधिकांश परिचयात्मक रूप से लागू आँकड़ों की पाठ्यपुस्तकों में स्वतंत्रता और लॉजिस्टिक प्रतिगमन के परीक्षण का उल्लेख होगा।
कोडियालॉजिस्ट

धन्यवाद। मैं अभी भी स्पष्ट नहीं हूं कि 2x2 की आकस्मिक तालिका के विशिष्ट मामले में क्या अंतर है? ची स्क्वायर जाँच करेगा कि क्या परिणाम कारक की विविधताओं से स्वतंत्र है, लेकिन लॉजिस्टिक प्रतिगमन यहाँ क्या करता है? मैं समझता हूं कि एलआर कारकों की एक श्रृंखला के आधार पर भविष्यवाणियां करने के लिए उपयोगी है, लेकिन जब यह सरल 2x2 की बात आती है तो मुझे यकीन नहीं है कि अंतर क्या है (लेकिन यह स्पष्ट रूप से उपयोग किया जाता है) ... क्या आप (या कोई भी) 2x2 का उपयोग कर सकते हैं मूल पोस्ट में तनाव / भाटा तालिका इस बात का ठोस उदाहरण है कि इनका अलग-अलग उपयोग कैसे किया जाएगा? यह एकल कारक मामला है जिसकी मुझे सबसे ज्यादा दिलचस्पी है
L Xandor

या दौड़ / राजनीतिक पार्टी एक उदाहरण के रूप में भी काम करती है, लेकिन जब आप तब लॉजिस्टिक प्रतिगमन का उपयोग करते हैं जो आप कई कारकों का उपयोग कर रहे हैं, और मैं देख सकता हूं कि यह वहां कैसे उपयोगी है ... लेकिन मुझे विशेष रूप से एक कठिन समय समझ है क्यों एकल कारक मामले में LR (या यह कैसे अलग है) का उपयोग करें। यदि दोनों तरीकों का उपयोग दौड़ और राजनीतिक पार्टी के बीच संबंधों की जांच करने के लिए किया जाता है, तो ची स्क्वायर और लॉजिस्टिक रिग्रेशन में क्या अंतर है?
एल Xandor

तनाव और भाटा के उदाहरण के मामले में, आप परीक्षण के लिए लॉजिस्टिक रिग्रेशन का उपयोग कर सकते हैं कि क्या तनाव काफी भाटा की संभावना को प्रभावित करता है, या आप इस प्रभाव को व्यक्त करने वाले ऑड्स अनुपात के लिए एक विश्वास अंतराल की गणना कर सकते हैं। एक तरीका जिसमें यह वैचारिक रूप से एक that परीक्षण से अलग है, यह है कि तनाव या भाटा में से एक को आश्रित चर के रूप में माना जाता है। लेकिन किसी भी मामले में, लॉजिस्टिक रिग्रेशन को 2-बाय -2 आकस्मिक टेबल के लिए ओवरकिल माना जा सकता है।
कोडियोलॉजिस्ट
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.