Інтерпретація прогнозованих передбачень журналів в логістичній регресії

15

Одним із прогнозів моєї логістичної моделі був перетворений журнал. Як ви інтерпретуєте розрахунковий коефіцієнт прогнозованого прогнозування журналу і як ви обчислюєте вплив цього прогноктора на коефіцієнт шансів?

logistic

Можливо, також цікавить: чи слід трансформувати кількісні предиктори, щоб вони були нормально розподілені?

— Макрос

1

Дуже чітке, всебічне звернення до цього питання - це відповідь jthetzel

— rolando2

Дякуємо за всю вашу допомогу. Подальше уточнення. Насправді, якщо я перетворююсь на базу журналів 2–2, то згідно з попередньою відповіддю, інтуїтивно зрозуміло, що подвоєння прогноктора призводить до зміни осі% у результаті.

— mp77

16

Якщо ви будете експоненціювати оцінений коефіцієнт, ви отримаєте коефіцієнт шансів, пов'язаний з кратним збільшенням $b$ прогноктора, де - основа логарифму, який ви використовували під час перетворення журналу на предиктор. $b$

Зазвичай я вирішую прийняти логарифми до бази 2 у цій ситуації, тому я можу перервати показник коефіцієнта експоненції як коефіцієнт шансів, пов'язаний із подвоєнням прогноктора.

— одна зупинка
джерело

3

Цікаво. Я завжди використовую природні журнали, тому що багато коефіцієнтів, як правило, близькі до нуля, і тоді їх можна інтерпретувати як пропорційні (відносні) різниці. Це неможливо в будь-якій іншій основі логарифму. Я бачу певну користь у використанні інших баз, але я думаю, що вам потрібно уточнити свою відповідь, оскільки prima facie у вашій інтерпретації взагалі не використовує значення коефіцієнта!

— whuber

@whuber Вибачте, що означає prima facie ? Перше обличчя ??

— onestop

3

google.com/search?q=define+"prima+facie "

— whuber

8

@gung абсолютно правильно, але, в разі , якщо ви дійсно вирішили зберегти його, ви можете інтерпретувати коефіцієнт має впливає на кожному кратному на IV, а не кожне додавання в IV.

Один IV, який часто слід трансформувати, - це дохід. Якщо ви включили його неперекладене, то кожне (скажімо) збільшення доходу на 1000 доларів вплине на коефіцієнт шансів, визначений коефіцієнтом шансів. З іншого боку, якби ви взяли журнал (10) доходу, то кожне 10-кратне збільшення доходу впливало б на коефіцієнт шансів, визначений у співвідношенні шансів.

Це має сенс робити для отримання доходу, оскільки багато в чому збільшення доходу на 1000 доларів набагато більше для того, хто складає 10 000 доларів на рік, ніж того, хто складає 100 000 доларів .

Останнє зауваження - хоча логістична регресія не передбачає припущення щодо нормальності, навіть OLS-регресія не робить припущень щодо змінних, вона робить припущення про помилку, як оцінюють залишки.

— Пітер Флом - Відновити Моніку
джерело

1

+1, хороші бали. Я думаю, я міг би бути більш повним. Крім того, я вимкнув ненавмисний математику, поставивши зворотну косу рису "\" безпосередньо перед знаками долара. Сподіваюся, ви не заперечуєте.

— gung - Відновіть Моніку

Що ви маєте на увазі під логістичною регресією, яка припускає помилки?

Ні, регресія OLS робить припущення про помилки. Це те, що я сказав.

— Пітер Флом - Відновіть Моніку

3

Ця відповідь адаптована із «Статистичного Слейту» Фреда Л. Рамзі та Деніела В. Шафера.

Якщо ваше модельне рівняння:

$log(p/(1-p)) = \beta _{0} + \beta log(X)$

$k$ $X$ $k^{\beta }$

Наприклад, у мене є така модель щодо наявності пролежок, які регресували через тривалість перебування в лікарні.

$log(odds of bedsore)= -.44 + 0.45(length of stay)$

$\beta = 0.45$

$k$

$k=2$

$k^{\beta } = 2^{0.45} = 1.37$

$k=2$

$k=0.5$

$k^{\beta } = 0.5^{0.45} = 0.73$

$k=0.5$

— LindsayL
джерело