আর এ লজিস্টিক রিগ্রেশন আউটপুট ব্যাখ্যা করে

Question

আমি আর ব্যবহার করে একাধিক লজিস্টিক রিগ্রেশন নিয়ে কাজ করছি glm। ভবিষ্যদ্বাণীকারী ভেরিয়েবলগুলি অবিচ্ছিন্ন এবং শ্রেণিবদ্ধ হয়। মডেলের সংক্ষিপ্তসারের একটি নির্যাস নিম্নলিখিতটি দেখায়:

Coefficients:
               Estimate Std. Error z value Pr(>|z|)
(Intercept)   2.451e+00  2.439e+00   1.005   0.3150
Age           5.747e-02  3.466e-02   1.658   0.0973 .
BMI          -7.750e-02  7.090e-02  -1.093   0.2743
...
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

আস্থা অন্তর:

                  2.5 %       97.5 %
(Intercept)  0.10969506 1.863217e+03
Age          0.99565783 1.142627e+00
BMI          0.80089276 1.064256e+00
...

বিজোড় অনুপাত:

                 Estimate Std. Error   z value Pr(>|z|)
(Intercept)  1.159642e+01  11.464683 2.7310435 1.370327
Age          1.059155e+00   1.035269 5.2491658 1.102195
B            9.254228e-01   1.073477 0.3351730 1.315670
...

প্রথম আউটপুট দেখায় যে উল্লেখযোগ্য। যাইহোক, জন্য আত্মবিশ্বাসের ব্যবধানে মান 1 এবং পক্ষে বৈষম্যের অনুপাতের খুব বেশি 1 থাকে এবং প্রথম আউটপুট থেকে উল্লেখযোগ্য পি-মানটি কী বোঝায়? কি ফলাফলের ভবিষ্যদ্বাণীকারী বা না?এ জি ই এ জি ই এ জি $Age$$Age$$Age$$Age$

Comments

এটি শুধুমাত্র 10% আত্মবিশ্বাসের স্তরে তাৎপর্যপূর্ণ তবে আত্মবিশ্বাসের অন্তর 5%।

— নিক সাব্বে

সুতরাং 10% এর জন্য আত্মবিশ্বাসের অন্তর 1 টি তখন অন্তর্ভুক্ত হবে না?

— সাব্রেভল্ফি

পি-মান (সর্বশেষ কলামের প্রথম টেবিল) নলের অনুমানটি সত্য হলে প্রাপ্ত ফলাফল বা আরও খারাপ ফলাফল হওয়ার সম্ভাবনা। আত্মবিশ্বাসের ব্যবধান হ'ল একটি অঞ্চল / যা প্রকৃত মানকে ধরে রাখবে যেমন 95% বারের মধ্যে। যদি এটি অনুমান করা সত্য মানটি ধরে না রাখে, তবে অনুমানটি সত্য হলে আমরা প্রাপ্ত ফলাফল বা আরও খারাপ ফলাফলের সম্ভাবনা সবচেয়ে বেশি 5% থাকে। সুতরাং এটি আপনার পি-মানটি 5% এর চেয়ে কম হবে। পি-মান এবং আত্মবিশ্বাসের ব্যবধানগুলির মধ্যে খুব নিবিড় সম্পর্ক রয়েছে (পরিসংখ্যান 101)। তবে সংক্ষেপে: হ্যাঁ, 10% এর জন্য সিআই 1 টি অন্তর্ভুক্ত করবে

— নিক সাব্বে

দেখা যাচ্ছে আপনি লিনিয়ারিটি ধরে নিচ্ছেন। কীভাবে তা ন্যায়সঙ্গত?

— ফ্রাঙ্ক হ্যারেল

Answer 1

সাইটে এখানে বেশ কয়েকটি প্রশ্ন রয়েছে যা মডেলগুলির আউটপুটটির ব্যাখ্যায় সহায়তা করবে (এখানে তিনটি পৃথক উদাহরণ, 1 2 3 , এবং আমি নিশ্চিত যে আপনি সংরক্ষণাগারটি খনন করলে আরও কিছু আছে)। লজিস্টিক রিগ্রেশন এর সহগগুলি কীভাবে ব্যাখ্যা করবেন সে সম্পর্কেও এখানে ইউসিএলএ পরিসংখ্যান ওয়েবসাইটের একটি টিউটোরিয়াল রয়েছে ।

যদিও বয়সের সহগের জন্য বৈষম্য-অনুপাত একটির কাছাকাছি এটি অগত্যা এই প্রভাবটি ছোট বলে বোঝায় না (কোনও প্রভাব ছোট বা বৃহত্তর কিনা প্রায়শই ততই আদর্শিক প্রশ্ন যতটা তা বোধগম্য is আরও জ্ঞাত মতামত জানার জন্য পর্যবেক্ষণের মধ্যে বয়সের সাধারণ বৈশিষ্ট্যটি জানতে হবে।

Comments

টিউটোরিয়ালটির লিঙ্কটির জন্য ধন্যবাদ, যা বিস্তৃত দেখায়। আমার প্রশ্ন পোস্ট করার আগে আমি এখানে অনুসন্ধান করেছি। 1 এবং 3 লিঙ্কগুলি আমার প্রশ্নের সাথে সম্পর্কিত নয় বলে মনে হচ্ছে।

— সাব্রেভল্ফি

@ সাব্রে ওল্ফি, লিঙ্ক 1 আরও কীভাবে মূল ইউনিটগুলির ক্ষেত্রে গুণাগুণগুলি ব্যাখ্যা করতে হবে তা ব্যাখ্যা করুন, লিঙ্ক 3টি সম্ভাবনার শর্তে প্রভাবগুলি ব্যাখ্যা করার পদক্ষেপগুলি বর্ণনা করে (যা আপনার প্রশ্নের ক্ষেত্রে সত্যিই প্রযোজ্য, এবং সেই প্রশ্নে প্রস্তাবিত প্লটগুলি হবে) বয়সের তারতম্য না জেনে সরাসরি প্রভাবের আকারটি ব্যাখ্যা করা আমার পক্ষে যুক্তিসঙ্গত প্রতিক্রিয়া।

— অ্যান্ডি ডাব্লু

ধরে নিলে বয়স বছরগুলিতে পরিমাপ করা হয়, তারপরে 1.059 এর একটি বিভেদ অনুপাত 20 বছরের পুরানো এবং 50 বছর বয়সী মধ্যে পার্থক্যের মধ্যে পার্থক্য বোঝায় । আমি এটিকে একটি ছোট প্রভাব বলব না। তবে, আমি স্পষ্টতই ধরে নিয়েছি আপনি মানুষের সম্পর্কে কথা বলছেন। পরিবর্তে যদি এগুলি ইঁদুর হয় তবে 30 বছরের স্প্যানটি খুব বেশি সহায়ক নয় এবং সেই অনুসারে আপনাকে আকারের মূল্যায়নের পরিবর্তন করতে হবে। $(1.059^{30} -1)\times 100\% = 458\%$

— মার্টেন বুইস

ইউসিএলএ লিঙ্কটি মারা গেছে তবে এটি সম্ভবত একটির সাথে মিল রয়েছে (কমপক্ষে এর বিষয়বস্তু আমাকে এই প্রশ্নটি বুঝতে সহায়তা করে)।

— এমবিআর