क्या द्विआधारी परिणाम और भविष्यवक्ता के साथ लॉजिस्टिक प्रतिगमन का उपयोग करना समझ में आता है?


18

मेरे पास एक द्विआधारी परिणाम चर {0,1} और एक भविष्यवक्ता चर {0,1} है। मेरा विचार है कि जब तक मैं अन्य चर को शामिल नहीं करता हूं और ऑड्स अनुपात की गणना नहीं करता है, तब तक लॉजिस्टिक करने का कोई मतलब नहीं है।

एक बाइनरी भविष्यवक्ता के साथ, संभावना अनुपात बनाम बाधाओं अनुपात की गणना नहीं होगी?

जवाबों:


26

इस मामले में आप के लिए अपने डेटा को संक्षिप्त कर सकते जहां एस मैं जे के लिए उदाहरणों की संख्या है एक्स = मैं और y = j साथ मैं , जे { 0 , 1 } । मान लीजिए कि कुल मिलाकर n अवलोकन हैं।

XY010S00S011S10S11
Sijx=iy=ji,j{0,1}n

अगर हम मॉडल फिट (जहां जी हमारे लिंक समारोह है) हम चाहते हैं कि मिल जाएगा β 0 है सफलताओं के अनुपात का logit जब x मैं = 0 और बीटा 0 + β 1 सफलताओं जब के अनुपात का logit हैpi=g1(xiTβ)=g1(β0+β11xi=1)gβ^0xi=0β^0+β^1 । दूसरे शब्दों में, β 0 = जी ( एस 01xi=1 और β 0+ β 1=जी(एस11

β^0=g(S01S00+S01)
β^0+β^1=g(S11S10+S11).

आइये चेक करते है R

n <- 54
set.seed(123)
x <- rbinom(n, 1, .4)
y <- rbinom(n, 1, .6)

tbl <- table(x=x,y=y)

mod <- glm(y ~ x, family=binomial())

# all the same at 0.5757576
binomial()$linkinv( mod$coef[1])
mean(y[x == 0])
tbl[1,2] / sum(tbl[1,])

# all the same at 0.5714286
binomial()$linkinv( mod$coef[1] + mod$coef[2])
mean(y[x == 1])
tbl[2,2] / sum(tbl[2,])

तो लॉजिस्टिक रिग्रेशन गुणांक तालिका से आने वाले अनुपात के बिल्कुल रूपांतरण हैं।

अपशॉट यह है कि हम निश्चित रूप से इस डेटासेट को लॉजिस्टिक रिग्रेशन के साथ विश्लेषण कर सकते हैं यदि हमारे पास बर्नौली यादृच्छिक चर की श्रृंखला से आने वाला डेटा है, लेकिन यह परिणामी आकस्मिक तालिका का विश्लेषण करने की तुलना में अलग नहीं है।


Yi|xiBern(pi)xipi=g1(β0+β1xi)xipip0p1

i:xi=0Yi=S01Bin(n0,p0)
i:xi=1Yi=S11Bin(n1,p1).
xin0n1

S01/n0=S01S00+S01pp0 and S11/n1=S11S10+S11pp1.

Yi|xi=jBern(pj)Sj1Bin(nj,pj)


1

जब आपके पास एक से अधिक भविष्यवाणियां होती हैं और सभी भविष्यवाणियां द्विआधारी चर होती हैं, तो आप तर्क प्रतिगमन [1] का उपयोग करके एक मॉडल को फिट कर सकते हैं (ध्यान दें कि यह "तर्क" "तर्कवादी" नहीं है)। यह उपयोगी है जब आप मानते हैं कि आपके भविष्यवक्ताओं के बीच बातचीत प्रभाव प्रमुख हैं। आर ( LogicRegपैकेज) में कार्यान्वयन है ।

[१] रुक्ज़िंस्की, आई।, कोपरबर्ग, सी।, और लेब्लैंक, एम। (२००३)। तर्क प्रतिगमन। कम्प्यूटेशनल और ग्राफिकल स्टैटिस्टिक्स जर्नल, 12 (3), 475-511।


1
सवाल विशेष रूप से एक प्रतिगामी के बारे में है , इस प्रकार आपका उत्तर बेहतर टिप्पणी के रूप में काम करेगा।
रिचर्ड हार्डी
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.