পিসন / লগলাইনার মডেলগুলির সম্ভাবনা অনুপাতের পরীক্ষার জন্য শূন্যের সংখ্যাগুলি কি সামঞ্জস্য করা দরকার?

Question

যদি কন্টিনজেন্সি টেবিলের মধ্যে 0 থাকে এবং আমরা glmসম্ভাবনা অনুপাত পরীক্ষার জন্য নেস্টেড পোইসন / লগলাইনার মডেলগুলি (আর এর ফাংশন ব্যবহার করে) ফিটিং করছি তবে গ্ল্যাম মডেলগুলি ফিটিং করার আগে আমাদের কী ডেটা সামঞ্জস্য করতে হবে (উদাহরণস্বরূপ সকলের সাথে 1/2 যোগ করা উচিত? গণনা)? স্পষ্টতই কিছু সমন্বয় ব্যতীত কিছু প্যারামিটারগুলি অনুমান করা যায় না, তবে সমন্বয় / সামঞ্জস্যের অভাব কীভাবে এলআর পরীক্ষায় প্রভাব ফেলবে?

Comments

সম্ভবত এটি glmরুটিনটি জিরোগুলি পরিচালনা করতে না পারলে অভ্যাস করা উচিত bon আপনি কি এটা চেষ্টা করেছেন?

— shabbychef

হ্যাঁ এটি ক্রাশ হয় না, তবে সূত্রের উপর নির্ভর করে (যেমন একটি স্যাচুরেটেড মডেল), কিছু প্যারামিটারে কার্যকরভাবে অসীম মান ত্রুটি থাকতে পারে। আমার প্রশ্নটি সম্ভাবনা অনুপাত পরীক্ষা করার সময় এটি একটি সমস্যা কিনা। কিছু পরামিতি অনুমান করা না হলেও আপনি এখনও সম্ভাবনা গণনা করতে পারেন, সেই পরামিতিগুলি সম্ভাবনাটিকে অবদান রাখবে না। স্ট্যান্ডার্ড অনুশীলন কি এবং কেন?

— বিআর 1

Answer 1

রিগ্রেশন মডেলিংয়ের অন্যতম ক্ষমতা হ'ল আপনি কোনও ডেটার ক্ষেত্রগুলিতে মসৃণ করতে পারেন - যদিও আপনি লক্ষ্য করেছেন যে প্যারামিটারগুলি অনুমান করার ক্ষেত্রে মাঝে মাঝে সমস্যা রয়েছে। আমি প্রস্তাব দিচ্ছি যে আপনি যদি অসীম মান ত্রুটির মতো জিনিসগুলি পান তবে এটির জন্য আপনার মডেলিং পদ্ধতির পুনর্বিবেচনা করার সময়টি।

সাবধানতার একটি বিশেষ দ্রষ্টব্য: একটি নির্দিষ্ট স্তরে "গণনা নেই" এর মধ্যে পার্থক্য রয়েছে এবং সেই স্তরে সেখানে গণনা করা অসম্ভব হয়ে পড়েছে । উদাহরণস্বরূপ, কল্পনা করুন যে আপনি মার্কিন নৌবাহিনীর জন্য 2000 এবং 2009-এর মধ্যে মানসিক ব্যাধি নিয়ে গবেষণা করতে কাজ করছেন এবং "ইজ অব উইম্যান" এবং "সার্ভস অফ সাবমেরিন" উভয়ের জন্য বাইনারি রিগ্রেশন পদ রয়েছে। একটি রিগ্রেশন মডেল উভয় = 1 যেখানে শূন্য গণনা থাকা সত্ত্বেও উভয় ভেরিয়েবল = 1 যেখানে প্রভাবগুলি অনুমান করতে সক্ষম হতে পারে তবে অনুমিতি বৈধ হবে না - এই জাতীয় পরিস্থিতি অসম্ভব। এই সমস্যাটিকে "নন-পজিটিভিটি" বলা হয় এবং এটি মাঝেমধ্যে উচ্চ স্তরের মডেলগুলির একটি সমস্যা।

Comments

@ স্কাইগুই94 আশ্চর্যের সাথে আমি যথেষ্ট না - আমি জানতাম যে, আমি কেবল একটি পূর্ববর্তী ডেটা সেট> ব্যবহারের বিষয়টি নোট করতে ভুলে গিয়েছিলাম < যে প্রতিফলিত সম্পাদিত।

— ফোমাইট

পুনরায়: "একটি রিগ্রেশন মডেল উভয় ভেরিয়েবল = 1, বা উভয়ের মধ্যে মিথস্ক্রিয়া সম্পর্কে প্রভাবগুলি অনুমান করতে সক্ষম হতে পারে " - আমি মনে করি এটি সত্য নয়। আপনার যদি দুটি বাইনারি ভবিষ্যদ্বাণী থাকে যা কখনও একসাথে '1' হয় না, তবে মিথস্ক্রিয়া স্থির থাকে (এটি সর্বদা '0' থাকে) সুতরাং এর প্রভাব চিহ্নিত করা যায় না।

— ম্যাক্রো

@ ম্যাক্রো আপনি ঠিক বলেছেন, আমি কিছুটা সম্পাদনা করছি। আমি এমন পদগুলির জন্য ভাবছিলাম যেখানে তারা বাইনারি সূচক নয়।

— ফোমেট

(+1) সুতরাং, উভয় = 1 কেটে রেখে মামলার অযোগ্যতা নিয়ে সমস্যাগুলি, মডেল ভিত্তিক অনুমান কেবল দুটি প্রান্তিক প্রভাবগুলির সমষ্টি হবে, যা আমরা জানি যে এটি তার নিজের ক্ষেত্রে খুব বিভ্রান্তিকর হতে পারে :)

— ম্যাক্রো