คำดักจับในการถดถอยโลจิสติก

14

สมมติว่าเรามีโมเดลการถดถอยโลจิสติกต่อไปนี้:

logit (p) = β_{0} + β_{1} x_{1} + β_{2} x_{2}

$\text{logit}(p) = \beta_0+\beta_{1}x_{1} + \beta_{2}x_{2}$

คืออัตราต่อรองของเหตุการณ์ที่เกิดขึ้นเมื่อและ ? มันคืออัตราต่อรองของเหตุการณ์เมื่อและอยู่ที่ระดับต่ำสุด (แม้ว่าจะไม่ใช่ 0) ตัวอย่างเช่นถ้าและใช้ค่าและเราจะไม่สามารถตั้งค่าเป็น 0 $\beta_0$ $x_1 = 0$ $x_2=0$ $x_1$ $x_2$ $x_1$ $x_2$ $2$ $3$

logistic interpretation intercept

— logisticgu
แหล่งที่มา

3

ฉันเชื่อว่าคุณจะพบคำตอบได้ที่stats.stackexchange.com/questions/91402เพื่อให้เปิดเผยและเป็นประโยชน์ เมื่อมีการเปลี่ยนแปลงเล็กน้อยจะมีผลกับสถานการณ์ของคุณโดยตรง

— whuber

1

@whuber: ในตัวอย่างของฉัน

และ

อยู่นอกช่วงข้อมูลของฉัน ดังนั้น

และไม่มีการตีความที่มีความหมาย

x_{1} = 0

$x_1 = 0$

x_{2} = 0

$x_2=0$

β_{0}

$\beta_0$

— logisticgu

24

$\beta_0$ $x_1 = x_2 = 0$ $x_1 = x_2 = 0$

— gung - Reinstate Monica
แหล่งที่มา

β_{0}

$\beta_0$

8

β_{0}

$\beta_0$

{\hat{β}}_{1}

$\hat\beta_1$

3

x_{2} = 2

$x_2=2$

x_{3} = 3

$x_3=3$

p

$p$

x_{1} - 2

$x_1-2$

x_{3} - 3

$x_3-3$

x_{1} = 2

$x_1=2$

x_{2} = 3

$x_2=3$

β_{0} + 2 β_{1} + 3 β_{2}

$\beta_0+2\beta_1+3\beta_2$ แต่ผลลัพธ์ซอฟต์แวร์เริ่มต้นน่าจะรวมการทดสอบเพื่อเปรียบเทียบสิ่งนี้กับศูนย์โดยอัตโนมัติ

— whuber

\exp (β_{1})

$\exp(\beta_1)$

x_{1} = 3

$x_1= 3$

x_{1} = 2

$x_1=2$

1

\exp (β_{1})

$\exp(\beta_1)$

x_{1}

$x_1$

4

$x_1$ $x_2$ $0$ $\beta_0$

$\beta_0$

— Sergey Makarevich
แหล่งที่มา

$x^{2}$

x^{2}

$x^2$ $\beta_0$

β_{0}

$\beta_0$

0

ฉันขอแนะนำให้ดูวิธีอื่น ...

$\text{logit}(p)$

$\beta_0 + \beta_1x_1 + \beta_2x_2+ \dotsm$

$x_i$ $\beta_0$ $\beta_i x_i$

$\beta_0$ $x_i$ $x_i$ $\beta_0$

บางทีฉันอาจพูดแบบเดียวกันในความคิดที่แตกต่างกันเล็กน้อย แต่ฉันหวังว่าสิ่งนี้จะช่วย ...

— Omeed
แหล่งที่มา