मैं लॉजिस्टिक रिग्रेशन का उपयोग करने के लिए कुछ नया हूं, और निम्नलिखित मूल्यों की मेरी व्याख्याओं के बीच एक विसंगति से थोड़ा भ्रमित हूं जो मैंने सोचा था कि वही होगा:
- घातांक बीटा मान
- बीटा मानों का उपयोग करके परिणाम की संभावना की भविष्यवाणी की।
यहां उस मॉडल का एक सरलीकृत संस्करण है जिसका मैं उपयोग कर रहा हूं, जहां अल्पपोषण और बीमा दोनों द्विआधारी हैं, और धन निरंतर है:
Under.Nutrition ~ insurance + wealth
मेरा (वास्तविक) मॉडल बीमा के लिए .8 का एक प्रतिपादक बीटा मान लौटाता है, जिसे मैं निम्नानुसार समझाऊंगा:
"एक बीमित व्यक्ति के लिए कुपोषित होने की संभावना है। एक असंक्रमित व्यक्ति के लिए कुपोषित होने की संभावना का 8 गुना।"
हालांकि, जब मैं बीमा चर में 0 और 1 के मूल्यों और धन के लिए औसत मूल्य में डालकर व्यक्तियों के लिए संभावनाओं में अंतर की गणना करता हूं, तो कुपोषण में अंतर केवल .04 है। इस प्रकार गणना की जाती है:
Probability Undernourished = exp(β0 + β1*Insurance + β2*Wealth) /
(1+exp(β0 + β1*Insurance + β2*wealth))
मैं वास्तव में इसकी सराहना करूंगा अगर कोई यह समझा सके कि ये मूल्य अलग-अलग क्यों हैं, और क्या बेहतर व्याख्या (विशेष रूप से दूसरे मूल्य के लिए) हो सकती है।
इसके अलावा स्पष्टता का संपादन,
जैसा कि मैं इसे समझता हूं, एक असंक्रमित व्यक्ति (जहां बी 1 बीमा से मेल खाती है) के लिए अल्प पोषित होने की संभावना है:
Prob(Unins) = exp(β0 + β1*0 + β2*Wealth) /
(1+exp(β0 + β1*0+ β2*wealth))
जबकि बीमित व्यक्ति के लिए पोषित होने की संभावना है:
Prob(Ins)= exp(β0 + β1*1 + β2*Wealth) /
(1+exp(β0 + β1*1+ β2*wealth))
बीमित व्यक्ति की तुलना में एक असंक्रमित व्यक्ति के लिए अल्पपोषित होने की संभावना है:
exp(B1)
क्या इन मूल्यों के बीच अनुवाद करने का कोई तरीका है (गणितीय रूप से)? मैं अभी भी इस समीकरण से थोड़ा भ्रमित हूं (जहां मुझे आरएचएस पर एक अलग मूल्य होना चाहिए):
Prob(Ins) - Prob(Unins) != exp(B)
आम आदमी की शर्तों में, सवाल यह है कि किसी व्यक्ति का बीमा करने की संभावना कम-पोषित होने की संभावना को उतना अधिक क्यों नहीं बदल देता है, जितना कि ऑड-ईवन अनुपात यह बताता है? मेरे डेटा में, प्रोब (Ins) - प्रोब (Unins) = .04, जहां एक्सपेरीनेटेड बीटा मान है ।8 (इसलिए अंतर क्यों नहीं है? 2?)