লজিস্টিক রিগ্রেশন বিশ্লেষণে অবিচ্ছিন্ন স্বতন্ত্র ভেরিয়েবলের জন্য লগইটের লিনিয়ারিটির অনুমান আমি কীভাবে পরীক্ষা করব?

Question

লজিস্টিক রিগ্রেশন বিশ্লেষণে ধারাবাহিক প্রেডিকটার ভেরিয়েবলের জন্য লগিতে লিনিয়ারিটি ধরে নিয়ে আমি বিভ্রান্ত হয়ে পড়েছি। অবিভাজ্য লজিস্টিক রিগ্রেশন বিশ্লেষণ ব্যবহার করে সম্ভাব্য ভবিষ্যদ্বাণীদের স্ক্রীন করার সময় কি আমাদের লিনিয়ার সম্পর্কের জন্য চেক করা দরকার?

আমার ক্ষেত্রে, আমি অংশগ্রহণকারীদের মধ্যে পুষ্টির স্থিতি (দ্বিধাত্বিক ফলাফল) এর সাথে যুক্ত কারণগুলি সনাক্ত করতে একাধিক লজিস্টিক রিগ্রেশন বিশ্লেষণ ব্যবহার করছি। বয়স, চার্লসন কমার্বিডিটি স্কোর, বারথেল সূচক স্কোর, হাতের গ্রিপ শক্তি, জিডিএস স্কোর, বিএমআই ইত্যাদি সহ অবিচ্ছিন্ন পরিবর্তনশীলগুলি আমার প্রথম পদক্ষেপটি সহজ লজিস্টিক রিগ্রেশন ব্যবহার করে উল্লেখযোগ্য পরিবর্তনশীলগুলির জন্য স্ক্রিন করা। সরল লজিস্টিক রিগ্রেশন প্রতিটি অবিচ্ছিন্ন ভেরিয়েবলের বিশ্লেষণ করার সময় আমার কি লিনিয়ারিটি অনুমানের জন্য পরীক্ষা করা দরকার? বা আমি কেবল চূড়ান্ত একাধিক লজিস্টিক রিগ্রেশন মডেলটিতে এটি পরীক্ষা করব?

তদুপরি, আমার বোঝার জন্য, মডেলটিতে প্রবেশের আগে আমাদের অ-লিনিয়ার অবিচ্ছিন্ন পরিবর্তনশীল রূপান্তর করতে হবে। আমি কি রূপান্তরের পরিবর্তে অ-লিনিয়ার অবিচ্ছিন্ন পরিবর্তনশীলকে শ্রেণীবদ্ধ করতে পারি?

Comments

আপনি শ্রেণীবদ্ধ করা উচিত নয় , স্প্লাইজ চেষ্টা করে ভাল!

— কেজেটিল বি হালওয়ারসেন

Answer 1

আমি যেমন আমার বইয়ের রেগ্রেশন মডেলিং কৌশলগুলি (দ্বিতীয় সংস্করণ উপলভ্য 2015-09-04, এখন ই-বুক উপলভ্য) বিস্তারিতভাবে বর্ণনা করেছি , মডেলিংয়ের আগে পরিবর্তনগুলি রূপান্তর করার চেষ্টা করার প্রক্রিয়াটি সমস্যায় ভুগছে, যার মধ্যে অন্যতম গুরুত্বপূর্ণ বিকৃতি হচ্ছে টাইপ আমি ত্রুটি এবং আত্মবিশ্বাসের অন্তর। শ্রেণিবিন্যাস আরও বেশি গুরুতর সমস্যা সৃষ্টি করে, বিশেষত ফিট এবং স্বেচ্ছাচারিতার অভাব।

এটি "ফিটের অভাবে চেক করুন" সমস্যা হিসাবে চিন্তা করার পরিবর্তে, এটি এমন কোনও মডেলকে নির্দিষ্ট করে যা ফিট হওয়ার সম্ভাবনা রয়েছে বলে উল্লেখ করা আরও ভাল better এটি করার একটি উপায় হ'ল মডেলের অংশগুলিতে পরামিতিগুলি বরাদ্দ করা যা সম্ভবত শক্তিশালী হতে পারে এবং যার জন্য লিনিয়ারিটি ইতিমধ্যে একটি যুক্তিসঙ্গত অনুমান হিসাবে পরিচিত নয়। এই প্রক্রিয়াতে একজন কার্যকর নমুনার আকার পরীক্ষা করে (আপনার ক্ষেত্রে ইভেন্টের সংখ্যা এবং নন-ইভেন্টের সংখ্যার ন্যূনতম) পরীক্ষা করে এবং জটিলতার জন্য যে পরিমাণ তথ্যের তথ্য বিষয়বস্তু অনুমতি দেয় (যেমন 15: 1 ইভেন্টগুলি: প্যারামিটার রুল ব্যবহার করে) থাম্ব) একটি নমনীয় অ্যাডিটিভ প্যারামিট্রিক মডেল প্রাক-নির্দিষ্ট করে কেবলমাত্র ভুল হবে যেখানে গুরুত্বপূর্ণ মিথস্ক্রিয়া বাদ দিয়ে এটি গুরুত্বপূর্ণ। কথোপকথনগুলি প্রাক-নির্দিষ্ট করা উচিত, সাধারণভাবে বলা যায়।

আনুষ্ঠানিক পরীক্ষার (মডেলটিকে আর rmsপ্যাকেজের সাহায্যে সহজ করে ) মডেলটিতে অরৈখিকতার দরকার ছিল কিনা তা আপনি যাচাই করতে পারেন তবে তুচ্ছ যখন আমি উপরে বর্ণিত অনিচ্ছাকৃত বিকৃতি সৃষ্টি করে তখন এই জাতীয় শর্তাদি অপসারণ করে।

Http://biostat.mc.vanderbilt.edu/rms থেকে লিঙ্কযুক্ত অবশ্যই নোটগুলিতে আরও বিশদ পাওয়া যাবে ।

Comments

আগে এটি উল্লেখ না করার জন্য দুঃখিত তবে আমি আর এর সাথে পরিচিত নই এবং বিশ্লেষণগুলির জন্য এসপিএসএস ব্যবহার করছিলাম। প্রদত্ত সমাধানটি থেকে কি এর অর্থ হল যে আমি যদি কার্যকর নমুনা আকার (15: 1) ব্যবহার করি তবে আমি তাদের লিনিয়ারিটি পরীক্ষা না করে সমস্ত গুরুত্বপূর্ণ কারণ (পর্যালোচনা থেকে) অন্তর্ভুক্ত করতে পারি?

— Sze লিন টান

আমি আমার ক্ষেত্রে যে অবিচ্ছিন্ন লজিস্টিক রিগ্রেশন বিশ্লেষণ করেছিলাম, সেগুলি থেকে, বিএমআই, বাছুরের পরিধি, মাঝের উপরের বাহুর পরিধি সমস্ত পুষ্টি স্থিতির সরল লজিস্টিক রিগ্রেশন মডেল (পি <0.05) এর ক্ষেত্রে গুরুত্বপূর্ণ অবদান রাখছে। বক্স-টিডওয়েল অ্যাপ্রোচ (প্রতিটি সাধারণ লজিস্টিক মডেলের জন্য) ব্যবহার করে অনুমানটি পরীক্ষা করার সময় তারা লিনিয়ারিটি অনুমানটি পূরণ করেনি। সুতরাং আমি নিশ্চিত নই যে এই ভবিষ্যদ্বাণীকারীদের সাথে আমার একাধিক লজিস্টিক রিগ্রেশন বিশ্লেষণ করা উচিত বা না।

— Sze লিন টান

অপরিবর্তনীয় বিশ্লেষণের ভিত্তিতে মডেলগুলি তৈরি করা অবৈধ। আপনি ধাপে ধাপে রিগ্রেশন ফরোয়ার্ড করতে একটি বৈকল্পিক ব্যবহার করছেন যা বেশ কয়েকটি সমস্যার কারণ হিসাবে পরিচিত।

— ফ্র্যাঙ্ক হ্যারেল

Answer 2

লজিস্টিক রিগ্রেশন নির্ভরশীল এবং স্বতন্ত্র ভেরিয়েবলের মধ্যে লিনিয়ার সম্পর্ক ধরে না। এটি নির্ভরশীল ভেরিয়েবল এবং স্বতন্ত্র ভেরিয়েবলের লগ প্রতিক্রিয়াগুলির মধ্যে একটি লৈখিক সম্পর্ক ধরে নেয় (এটি মূলত অবিচ্ছিন্ন স্বতন্ত্র ভেরিয়েবলগুলির সাথে একটি সমস্যা is) বাক্স-টিডওয়েল নামে একটি পরীক্ষা রয়েছে যা আপনি এটির জন্য ব্যবহার করতে পারেন। স্টাটা কমান্ড বক্সটিড। আমি এসপিএসএস কমান্ড জানি না, দুঃখিত।

এটি সহায়ক হতে পারে - http://www.ats.ucla.edu/stat/stata/webbooks/logistic/chapter3/statolog3.htm

Comments

লিঙ্কটি এখন ভেঙে গেছে।

— অ্যালেক্সি ঝোপ

Answer 3

আমি মনে করি যে আমাদের একটানা চলকগুলি প্লট করা উচিত এবং একটি রিগ্রেশন মডেল ব্যবহার করার আগে তাদের লিনিয়ারিটি পরীক্ষা করা উচিত। যদি লিনিয়ারিটি যুক্তিসঙ্গত অনুমানের মতো মনে হয় তবে আমি মনে করি এটি সম্ভবত এখনও বেশিরভাগ ক্ষেত্রে চূড়ান্ত মাল্টিভারেবল রিগ্রেশন মডেল ধারণ করবে এবং যদি তা না হয় তবে আমি মনে করি এটি প্রাথমিকভাবে ইন্টারঅ্যাকশন প্রভাবের কারণে হতে পারে যা আপনি সংশোধন করতে পারেন।

হ্যাঁ, অ-লিনিয়ার অবিচ্ছিন্ন ভেরিয়েবলগুলি শ্রেণীবদ্ধ করা একটি বিকল্প। এর সাথে সমস্যাগুলি হ'ল বিভাগগুলি বেশিরভাগ ক্ষেত্রে স্বেচ্ছাসেবী বলে মনে হতে পারে এবং বিভাগগুলির মধ্যে কাট-অফ স্কোরের সামান্য পার্থক্যের ফলে বিভিন্ন ফলাফল হতে পারে (বিশেষত পরিসংখ্যানগত তাত্পর্য সম্পর্কিত), এবং বিভাগের সংখ্যা এবং আপনার ডেটার আকারের উপর নির্ভর করে , আপনি ডেটাতে অনেক মূল্যবান তথ্য হারাতে পারেন।

একটি বিকল্প পদ্ধতির মধ্যে একটি জেনারেলাইজড অ্যাডিটিভ মডেল ব্যবহার করা যা একটি রিগ্রেশন মডেল যা লজিস্টিক রিগ্রেশন হিসাবে নির্দিষ্ট করা যায় তবে এতে আপনি "স্মুথ ফাংশন" হিসাবে অ-লিনিয়ার স্বতন্ত্র ভেরিয়েবলগুলি অন্তর্ভুক্ত করতে পারেন। প্রযুক্তিগতভাবে, এটি আর তে খুব জটিল নয় তবে আমি অন্যান্য সফ্টওয়্যার প্যাকেজগুলি সম্পর্কে জানি না। এই মডেলগুলি নির্ভরশীল ভেরিয়েবলের সাথে অ-রৈখিক সম্পর্কগুলি সনাক্ত করবে, তবে একটি অসুবিধা হতে পারে যে আপনি নিজের আউটপুটে পরিস্কার পরিচ্ছন্ন সংখ্যা উপস্থাপন করতে পারবেন না, বরং একটি ভিজ্যুয়াল বক্ররেখা যা পরিসংখ্যানগত তাত্পর্য জন্য পরীক্ষা করা হয়। সুতরাং এটি নির্ভর করে যে আপনি ফলাফলের ভেরিয়েবলের ক্ষেত্রে অ-লিনিয়ার ভেরিয়েবলের প্রভাবকে পরিমাণমতো করতে আগ্রহী।

অবশেষে, আপনি আপনার লজিস্টিক রিগ্রেশন মডেলটিতে লিনিয়ারটির অনুমানগুলি পরীক্ষা করতে উপরে বর্ণিত হিসাবে সাধারণীকরণযোগ্য মডেলগুলি ব্যবহার করতে পারেন, যদি আপনি আর ব্যবহার করেন তবে কমপক্ষে।

এই বইটি দেখুন (আপনার এবং আমার থেকে একেবারে আলাদা ক্ষেত্র, তবে এটি মোটেও গুরুত্বপূর্ণ নয়): http://www.amazon.com/Effects-Exferencess-Ecology- পরিসংখ্যান- জীববিজ্ঞান / dp / 0387874577 / ref & = sr_1_1? অর্থাত = UTF8 হওয়া & qid = 1440928328 & SR = 8-1 & কীওয়ার্ড = zuur + + বাস্তব্যবিদ্যা

Comments

আমি আর এর সাথে পরিচিত নই এবং বিশ্লেষণগুলির জন্য এসপিএস ব্যবহার করছিলাম। এর আগে উল্লেখ না করার জন্য দুঃখিত। লিনিয়ারিটি অনুমানের জন্য যাচাই করার জন্য আমি কি বক্স-টিডওয়েল পদ্ধতির (ক্রমাগত পরিবর্তনশীল এবং তার নিজস্ব প্রাকৃতিক লগের মধ্যে একটি আন্তঃসংযোগ শব্দ তৈরি করে এবং মডেলটিতে ইন্টারঅ্যাকশন শব্দ যুক্ত করে) ব্যবহার করতে পারি?

— Sze লিন টান

Answer 4

যেহেতু আমি আপনার ডেটা জানি না আমি জানি না যে এই তিনটি ভেরিয়েবলগুলি - বেসিক ভেরিয়েবল, তার প্রাকৃতিক লগ এবং একটি ইন্টারেক্টিভ টার্ম - একত্রিত করা একটি সমস্যা হবে। যাইহোক, আমি জানি যে অতীতে যখন আমি তিনটি পদগুলির সংমিশ্রণের বিষয়টি বিবেচনা করেছি তখন প্রায়শই আমি যা পরিমাপ করছি তার ধারণাগত ট্র্যাকটি হারিয়ে ফেলছি। আপনি কী পরিমাপ করছেন তার একটি ভাল হ্যান্ডেল থাকা দরকার বা আপনার অনুসন্ধানগুলি ব্যাখ্যা করতে আপনার সমস্যা হবে। আশা করি এইটি কাজ করবে!