प्रिय हर कोई - मैंने कुछ अजीब देखा है जो मैं समझा नहीं सकता, क्या आप कर सकते हैं? सारांश में: लॉजिस्टिक रिग्रेशन मॉडल में एक आत्मविश्वास अंतराल की गणना करने के लिए मैनुअल दृष्टिकोण, और आर फ़ंक्शन confint()
अलग-अलग परिणाम देते हैं।
मैं होस्मेर और लेमेशो के एप्लाइड लॉजिस्टिक रिग्रेशन (2 वें संस्करण) से गुजर रहा हूं । तीसरे अध्याय में अंतर अनुपात और 95% आत्मविश्वास अंतराल की गणना करने का एक उदाहरण है। आर का उपयोग करके, मैं आसानी से मॉडल को पुन: पेश कर सकता हूं:
Call:
glm(formula = dataset$CHD ~ as.factor(dataset$dich.age), family = "binomial")
Deviance Residuals:
Min 1Q Median 3Q Max
-1.734 -0.847 -0.847 0.709 1.549
Coefficients:
Estimate Std. Error z value Pr(>|z|)
(Intercept) -0.8408 0.2551 -3.296 0.00098 ***
as.factor(dataset$dich.age)1 2.0935 0.5285 3.961 7.46e-05 ***
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
(Dispersion parameter for binomial family taken to be 1)
Null deviance: 136.66 on 99 degrees of freedom
Residual deviance: 117.96 on 98 degrees of freedom
AIC: 121.96
Number of Fisher Scoring iterations: 4
हालांकि, जब मैं मापदंडों के विश्वास अंतराल की गणना करता हूं, तो मुझे पाठ में दिए गए एक अलग अंतराल मिलता है:
> exp(confint(model))
Waiting for profiling to be done...
2.5 % 97.5 %
(Intercept) 0.2566283 0.7013384
as.factor(dataset$dich.age)1 3.0293727 24.7013080
होसमेर और लेमेशो निम्नलिखित सूत्र का सुझाव देते हैं:
और वे होने के लिए विश्वास अंतराल की गणना करते as.factor(dataset$dich.age)1
हैं (2.9, 22.9)।
यह आर में करने के लिए सीधा लगता है:
# upper CI for beta
exp(summary(model)$coefficients[2,1]+1.96*summary(model)$coefficients[2,2])
# lower CI for beta
exp(summary(model)$coefficients[2,1]-1.96*summary(model)$coefficients[2,2])
पुस्तक के समान ही उत्तर देता है।
हालाँकि, कोई भी विचार confint()
अलग परिणाम क्यों देता है? मैंने उपयोग करने वाले लोगों के बहुत सारे उदाहरण देखे हैं confint()
।