लॉजिस्टिक रिग्रेशन: इंटरप्रेटिंग कंटीन्यूअस वेरिएबल्स


11

लॉजिस्टिक प्रतिगमन में निरंतर चर के लिए अंतर अनुपातों की व्याख्या करने के बारे में मेरे पास कुछ सवाल थे। मुझे लगता है कि ये लॉजिस्टिक रिग्रेशन (और शायद सामान्य तौर पर रिग्रेशन के बारे में) के बारे में बुनियादी सवाल हैं, और हालांकि मैं थोड़ा शर्मिंदा हूं कि मुझे जवाब नहीं पता, मैं अपना अभिमान निगलने वाला हूं और उनसे पूछता हूं तो मैं उन्हें जानता हूं भविष्य!

यहाँ मेरी स्थिति है ... मैं उन युवाओ का एक नमूना देख रहा हूँ जो अपनी परिवीक्षा के अनुसार नौकरी / जीवन कौशल प्रशिक्षण कार्यक्रम में शामिल हुए थे। मैं यह देखना चाहता था कि कार्यक्रम से उन्हें किस हद तक मुक्त किया गया था, कार्यक्रम से छह महीने के बाद के रोजगार की भविष्यवाणी की गई थी।

(इसके अलावा, ध्यान रखें कि मॉडल में अन्य भविष्यवाणियां हैं, लेकिन मैंने उन्हें बाहर कर दिया है क्योंकि वे सांख्यिकीय रूप से महत्वपूर्ण नहीं हैं और मैं इसे यथासंभव स्पष्ट रखना चाहता हूं।)

भविष्यकथन: प्रशिक्षण कार्यक्रम से रिहाई की आयु (मतलब उम्र = 17.4, एसडी = 1.2, रेंज 14.3-20.5)

परिणाम: नियोजित या नहीं (नियोजित = 1, नियोजित नहीं = 0)

परिणाम: विषम अनुपात 3.01 (पी <.005) (मैंने फिट आँकड़ों की अच्छाई को बाहर रखा है, आदि क्योंकि मैं केवल ऑड्स अनुपात की व्याख्या के बारे में जवाब मांग रहा हूं; मैं आरामदायक डब्ल्यू / मॉडल फिट, सीआई के मूल्यांकन को महसूस करता हूं; , आदि।)

इसे शब्दों में बयां करना: जैसे-जैसे उम्र बढ़ती है, एक साल में छह महीने के बाद डिस्चार्ज होने की संभावना बढ़ जाती है।

प्रशन:

1) जब मैं कहता हूं, "जैसे-जैसे उम्र एक साल बढ़ती है ..." उम्र के लिए शुरुआती बिंदु क्या है?

क्या उम्र शून्य पर शुरू होती है? उदाहरण के लिए, "जैसे-जैसे उम्र 0 से बढ़ती है, यानी अगर आप इस मॉडल को ग्राफ पर रखते हैं तो यह सबसे कम उम्र है ..."

क्या नमूने में उम्र की सीमा सबसे कम उम्र में शुरू होती है? उदाहरण के लिए, "उम्र 14.3 से बढ़ जाती है ..."

या

क्या नमूना के औसत आयु पर उम्र शुरू होती है? उदाहरण के लिए, "उम्र 17.4 से बढ़ जाती है ...",

2) क्या मुझे इस परिणाम की व्याख्या करने में मदद मिलेगी या यह केवल वाई-इंट की व्याख्या करने में प्रभावी है? यदि यह मदद करता है, तो मैं नमूने में अन्य सभी उम्र से सबसे कम उम्र को केंद्र में रखने या घटाने की सोच रहा था। कोई सुझाव?

३) अंत में, क्या यह कहना उचित है कि १४ साल के युवा की तुलना में, १ it साल के युवा के नौ गुना अधिक होने की संभावना है? मैं पूछता हूं क्योंकि मुझे पता है कि लॉजिस्टिक रिग्रेशन एक सिग्मोइडल रिलेशनशिप को मानता है, और मुझे इस बात की उत्सुकता है कि क्या ऑड्स में यह 3 यूनिट वृद्धि रिग्रेशन लाइन के साथ किसी भी बिंदु पर बनी हुई है।

बहुत बहुत धन्यवाद!

हारून


1
आप में रुचि हो सकती है इस
तपक्रवर्त

4
"महत्वहीन" चर निकालना बहुत समस्याग्रस्त है।
फ्रैंक हार्ले

@FrankHarrell इस बात पर विस्तार से बता सकता है कि इस मामले में महत्वहीन चर को हटाना बहुत समस्याग्रस्त क्यों है?
मार्क व्हाइट

इस साइट पर लंबाई पर चर्चा की गई है। संक्षेप में यह मानक त्रुटियों, पी-मूल्यों, आत्मविश्वास अंतराल कवरेज आदि को बर्बाद कर देता है
फ्रैंक हरेल

जवाबों:


6

1) चूंकि यह एक विषम अनुपात है, इसलिए कोई फर्क नहीं पड़ता कि आप कहां से शुरू करते हैं। 18 साल की उम्र के लिए बाधाओं को 17 साल के लिए 3 गुना अधिक है। या १ old साल की उम्र के लिए १ od साल के १/३ बच्चे हैं। वही चीज। यदि आप यह संभावना प्राप्त करना चाहते हैं कि किसी विशेष आयु के व्यक्ति को नियुक्त किया जाएगा, तो आप पैरामीटर का अनुमान पैरामीटर के साथ उपयोग कर सकते हैं (ओआरएस नहीं)। या आप जो प्रोग्राम इस्तेमाल कर रहे हैं, वह आपके लिए कर सकते हैं।

2) क्या केंद्र की मदद करना राय का विषय है। मुझे केंद्रित मॉडल स्पष्ट नहीं मिलते, लेकिन कुछ लोग करते हैं।

3) ऑड्स बिल्कुल "संभावना" के रूप में समान नहीं हैं (हालांकि कई लोग बोलते हैं जैसे कि वे थे) और 17 साल की उम्र के लिए बाधाओं को 14 साल के लोगों की तुलना में 27 गुना अधिक होगा।

अंत में, मैं इस मॉडल के बारे में सतर्क रहूँगा। मॉडल मानता है कि OR 14 और 15, 15 और 16 के बीच समान है और इसी तरह। जो विषय के बारे में मुझे पता है, उसके आधार पर यह मेरे लिए संभव नहीं है।


0

किसी अन्य व्यक्ति के लिए प्रशिक्षण समस्या में दाखिला लेने का औसत अंतर एक अन्य व्यक्ति के लिए # गुना है, जो अन्य सभी चर स्थिर रखने के बाद एक वर्ष से कम उम्र का है।

यही मेरा लेना है।


1
क्या आप इस पर विस्तार कर सकते हैं कि यह पिछले उत्तर में कैसे जुड़ता है?
mdewey
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.