मुझे हाल ही में अपने शोध पत्र के लिए एक संशोधन मिला है और मेरे पेपर पर समीक्षक की टिप्पणी निम्नलिखित है:
एक मॉडल से प्राप्त परिणाम विशेष रूप से रैखिक प्रतिगमन के बारे में बहुत आश्वस्त नहीं हैं, आमतौर पर आउटलेर्स से निपटने में कमियां हैं। मेरा सुझाव है कि लेखक भी लॉजिस्टिक प्रतिगमन का प्रयास करें और वर्तमान परिणामों के साथ संबंधित परिणामों की तुलना करें। यदि समान अवलोकन प्राप्त किए जाते हैं, तो परिणाम अधिक ठोस होंगे।
क्या समीक्षक की टिप्पणी सही है? क्या लॉजिस्टिक रिग्रेशन मल्टीपल लीनियर रिग्रेशन से बेहतर है?
समस्या यह है कि मेरा आश्रित चर श्रेणीगत नहीं है, यह एक पैमाना चर है। अब मैं क्या कर सकता हूँ? मेरे मॉडल का मूल्यांकन करने के लिए आप किस अन्य प्रतिगमन विधि की सलाह देते हैं?
निम्न तालिका में स्कोर आश्रित चर है। रीसेंसी, फ़्रीक्वेंसी, टेन्योर और लास्ट स्कोर स्वतंत्र चर हैं।
मैं एक साइट से इन चरों निकाला है और मैं परिकल्पना है कि इन स्वतंत्र चरों है महत्वपूर्ण प्रभाव पर स्कोर । इसलिए, मैं निम्नलिखित मॉडलों का प्रतिनिधित्व करता हूं:
वैसे, इस रैखिक मॉडल के लिए R वर्ग का मान 0.316 है! समीक्षक ने इस मूल्य पर भी टिप्पणी की:
फिर परिणाम आश्वस्त नहीं हैं क्योंकि सीखा गुणांकों की गुणवत्ता पर कोई संकेतक नहीं है। एक छोटा R ^ 2 अच्छे प्रदर्शन का संकेत नहीं दे सकता क्योंकि मॉडल ओवर-फिट हो सकता है।
0.316 आर वर्ग के लिए बहुत कम है? पिछले पत्रों में मैंने समान मूल्यों को बहुत देखा।