Запитання з тегом «logit»

Чи має хтось висновок про те, як офсет працює у бінарних моделях, таких як probit та logit? У моїй проблемі вікно подальших дій може відрізнятися за довжиною. Припустимо, пацієнти отримують профілактичний знімок як лікування. Постріл відбувається в різний час, тому , якщо результат є двійковим індикатором того або стався спалах …

12 logit  probit  logarithm  offset 

У логістичної регресії з лінійними і квадратичними членами тільки, якщо у мене є лінійний коефіцієнт і квадратичний коефіцієнт , я можу сказати, що є точка повороту ймовірності на ?β1β1\beta_1β2β2\beta_2−β1/(2β2)−β1/(2β2)-\beta_1 / (2\beta_2)

12 interpretation  logit  polynomial 

У попередньому дописі я замислювався, як боротися з оцінками EQ-5D . Нещодавно я натрапив на логістичну квантильну регресію, запропоновану Боттаєм та МакКаун, яка запроваджує елегантний спосіб вирішення обмежених результатів. Формула проста: logit(y)=log(y−yminymax−y)logit(y)=log(y−yminymax−y)logit(y)=log(\frac{y-y_{min}}{y_{max}-y}) Щоб уникнути журналу (0) та ділення на 0, ви розширите діапазон на невелике значення, . Це дає середовище, …

12 r  logistic  data-visualization  logit  quantile-regression 

Я намагаюся зробити впорядковану регресію logit. Я керую такою моделлю (просто маленька тупа модель, яка оцінює кількість фірм на ринку з мірою доходу та населення). Моє запитання щодо прогнозів. nfirm.opr<-polr(y~pop0+inc0, Hess = TRUE) pr_out<-predict(nfirm.opr) Коли я запускаю передбачення (який я намагаюся використовувати для отримання прогнозованого y), результати виходять або 0, …

12 r  econometrics  logit  ordered-logit 

Чи може хто-небудь пояснити, як обчислити граничний ефект моделі Пробіта та Логіта в умовах непростої людини? Я новачок у статистиці, і я збентежений щодо цих двох моделей.

12 logistic  interpretation  logit  probit 

Ось, що я хочу зробити, але, здається, немає predictметоду для mlogit. Будь-які ідеї? library(mlogit) data("Fishing", package = "mlogit") Fish <- mlogit.data(Fishing, varying = c(2:9), shape = "wide", choice = "mode") Fish_fit<-Fish[-1,] Fish_test<-Fish[1,] m <- mlogit(mode ~price+ catch | income, data = Fish_fit) predict(m,newdata=Fish_test)

11 r  logistic  logit  multinomial 

Логістична регресія моделює часові шанси події як деякий набір прогнокторів. Тобто журнал (p / (1-p)), де p - ймовірність певного результату. Таким чином, інтерпретація необроблених коефіцієнтів регресії логістики для деякої змінної (x) повинна знаходитися на шкалі шансів журналу. Тобто, якщо коефіцієнт для x = 5, то ми знаємо, що зміна …

10 regression  logistic  logit 

Я намагаюся зрозуміти використання логістичної регресії в таблицях на випадок 2–2 та Ix2. Наприклад, використовуючи це як приклад Яка різниця між використанням тесту чи-квадрата та використанням логістичної регресії? Як щодо таблиці з декількома номінальними коефіцієнтами (таблиця Ix2) на зразок цієї: Існує аналогічне питання тут - але відповідь в основному , …

10 logistic  chi-squared  logit  contingency-tables 

Наступні трансплантати взяті з цієї статті . Я новачок у завантажувальній програмі та намагаюся реалізувати параметричне, напівпараметричне та непараметричне завантажувальне завантаження для лінійної змішаної моделі з R bootпакетом. R код Ось мій Rкод: library(SASmixed) library(lme4) library(boot) fm1Cult <- lmer(drywt ~ Inoc + Cult + (1|Block) + (1|Cult), data=Cultivation) fixef(fm1Cult) boot.fn …

9 r  mixed-model  bootstrap  central-limit-theorem  stable-distribution  time-series  hypothesis-testing  markov-process  r  correlation  categorical-data  association-measure  meta-analysis  r  anova  confidence-interval  lm  r  bayesian  multilevel-analysis  logit  regression  logistic  least-squares  eda  regression  notation  distributions  random-variable  expected-value  distributions  markov-process  hidden-markov-model  r  variance  group-differences  microarray  r  descriptive-statistics  machine-learning  references  r  regression  r  categorical-data  random-forest  data-transformation  data-visualization  interactive-visualization  binomial  beta-distribution  time-series  forecasting  logistic  arima  beta-regression  r  time-series  seasonality  large-data  unevenly-spaced-time-series  correlation  statistical-significance  normalization  population  group-differences  demography