Логістична регресія з бінарними залежними та незалежними змінними

15

Чи доречно робити логістичну регресію, коли і залежні, і незалежні змінні є двійковими? наприклад, залежна змінна дорівнює 0 і 1, а предиктори є контрастними кодованими змінними -1 і 1?

logistic

— upabove
джерело

6

Немає причин не робити цього, але дві застережливі думки:

Уважно слідкуйте, під час аналізу якого є що. У великих проектах можна легко розгубитися та отримати помилкові результати.
Якщо ви вирішите повідомити оцінки регресії, а не коефіцієнти шансів, уточніть схему кодування у своєму звіті , щоб читачі не створювали неточні АБО самостійно, вважаючи, що вони були кодовані 0,1.

Це може здатися основним, але я бачив, як обидві проблеми перетворюються на опубліковані статті.

— Фоміт
джерело

Тож тоді було б доречно розділити файл даних на 6 окремих випадків і запустити окремі порівняння в кожному наборі даних з кодованими передбачувачами обмежень?

— upabove

Я, чесно кажучи, не впевнений, що ви просите про цей другий шматочок. Чи можете ви уточнити те, що ви сподіваєтесь досягти?

— Фоміт

У мене є набір даних з 3 між і 4 в предметних умовах. Я хотів би перевірити кожен ефект, але в одній регресії з усіма взаємодіями пропущено багато інформації, яка мене зацікавила. Замість цього я поділив би дані за умовою на окремі набори даних та запускав цілеспрямовані логістичні регресії для кожного набору даних із контрастом коди, що кодують відмінності, які мене цікавлять.

— upa

для ще більшого кількості інформації про те , як я код контрастні коди дивіться тут: stats.stackexchange.com/questions/14546 / ...

— upabove

11

Бо зрозумілість: термін "двійковий" зазвичай зарезервований лише для кодування 1 та 0. Більш загальне слово, яке підходить для будь-якого двозначного кодування, - "дихотомічне". Дихотомічні прогнози, звичайно, вітаються з логістичною регресією, як і до лінійної регресії, і, оскільки вони мають лише 2 значення, не має значення, вводити їх як чинники чи як коваріати.

— ttnphns
джерело

5

Зазвичай це допомагає інтерпретувати, якщо ви кодуєте ваші прогнози 0-1, але крім цього (і зазначаючи, що це не потрібно), в цьому немає нічого поганого. Існують деякі інші підходи (на основі таблиці надзвичайних ситуацій), але якщо я пригадую правильно, вони виявляються еквівалентними (деякій формі) логістичної регресії.

Отже, коротко: я не бачу причин не робити цього.

— Нік Саббе
джерело

Спасибі! І якщо у мене є 3 контрактовані кодуючі прогнози, і я кодую їх усі 0-1, вони не будуть ортогональними. Наприклад, у мене є 4 категорії, і три мої коди: L1: 1, -1,0,0 L2: 0,1, -1,0, L3: 0,0,1, -1. це питання?

— upabove

Ваш приклад L-матриця (L1, L2, L3) - це неодноразові контрасти, за якими кожна категорія порівнюється із наступною категорією. Ні ці контрастні предиктори не є ортогональними, ні вони є двійковими (кодуються як 0-1). Насправді їх значення - .75 проти –25 (перша змінна), .5 проти –5 (2-а змінна), .25 проти –.75 (3-я змінна)

— ttnphns

3

Крім того, якщо у вас є більше двох прогнозів, то більш ймовірно, що виникне проблема мультиколінеарності навіть для логістичної чи багаторазової регресії. Однак використовувати логістичну регресію з усіма бінарними змінними (тобто кодованими (0,1)) немає шкоди.

— любов-статистика
джерело