আমি নিম্নোক্ত দ্বিপদী প্রতিক্রিয়ার সাথে এবং আমার ভবিষ্যদ্বাণীকারী হিসাবে এবং সাথে লজিস্টিক রিগ্রেশন করতে চাই ।
আমি নীচের বিন্যাসে বার্নোল্লি প্রতিক্রিয়াগুলির মতো একই ডেটা উপস্থাপন করতে পারি।
এই 2 ডেটা সেটগুলির জন্য লজিস্টিক রিগ্রেশন আউটপুটগুলি বেশিরভাগই একই। ডিভ্যান্সের অবশিষ্টাংশ এবং এআইসি আলাদা। (নাল বিচ্যুতি এবং অবশিষ্ট ডিভ্যান্সের মধ্যে পার্থক্য উভয় ক্ষেত্রেই একই - 0.2২।)
নিম্নলিখিতটি আর থেকে প্রাপ্ত রিগ্রেশন আউটপুটগুলি রয়েছে data ডেটা সেটগুলিকে বিনম.ডাটা এবং বার্ন.ডাটা বলা হয়।
এখানে দ্বিপদী আউটপুট।
Call:
glm(formula = cbind(Successes, Trials - Successes) ~ X1 + X2,
family = binomial, data = binom.data)
Deviance Residuals:
[1] 0 0 0
Coefficients:
Estimate Std. Error z value Pr(>|z|)
(Intercept) -2.9649 21.6072 -0.137 0.891
X1Yes -0.1897 2.5290 -0.075 0.940
X2 0.3596 1.9094 0.188 0.851
(Dispersion parameter for binomial family taken to be 1)
Null deviance: 2.2846e-01 on 2 degrees of freedom
Residual deviance: -4.9328e-32 on 0 degrees of freedom
AIC: 11.473
Number of Fisher Scoring iterations: 4
এখানে বার্নোল্লি আউটপুট।
Call:
glm(formula = Success ~ X1 + X2, family = binomial, data = bern.data)
Deviance Residuals:
Min 1Q Median 3Q Max
-1.6651 -1.3537 0.7585 0.9281 1.0108
Coefficients:
Estimate Std. Error z value Pr(>|z|)
(Intercept) -2.9649 21.6072 -0.137 0.891
X1Yes -0.1897 2.5290 -0.075 0.940
X2 0.3596 1.9094 0.188 0.851
(Dispersion parameter for binomial family taken to be 1)
Null deviance: 15.276 on 11 degrees of freedom
Residual deviance: 15.048 on 9 degrees of freedom
AIC: 21.048
Number of Fisher Scoring iterations: 4
আমার প্রশ্নগুলো:
1) আমি দেখতে পাচ্ছি যে 2 পদ্ধতির মধ্যে পয়েন্টের অনুমান এবং মান ত্রুটিগুলি এই বিশেষ ক্ষেত্রে সমতুল্য। এই সমতাটি কি সাধারণভাবে সত্য?
2) প্রশ্ন # 1 এর উত্তর কীভাবে গাণিতিকভাবে ন্যায়সঙ্গত হতে পারে?
3) ডিভ্যান্সের অবশিষ্টাংশ এবং এআইসি আলাদা কেন?