যতদূর আমি জানি, লজিস্টিক মডেল এবং ভগ্নাংশের প্রতিক্রিয়া মডেল (ফর্ম) এর মধ্যে পার্থক্য হ'ল নির্ভরশীল পরিবর্তনশীল (ওয়াই) যার মধ্যে ফ্র্যাম [0,1] হয় তবে লজিস্টিকটি {0, 1} হয়} আরও, এফআরএম এর পরামিতিগুলি নির্ধারণের জন্য কোটির মতো সম্ভাবনার অনুমানকারী ব্যবহার করে।
সাধারণত, আমরা এর glmমাধ্যমে লজিস্টিক মডেলগুলি পেতে ব্যবহার করতে পারি glm(y ~ x1+x2, data = dat, family = binomial(logit))।
এফ আর এম জন্য, আমরা পরিবর্তন family = binomial(logit)করতে family = quasibinomial(logit)।
আমি লক্ষ্য করেছি যে আমরা family = binomial(logit)এফআরএমের প্যারামিটারটি ব্যবহার করতে পারি কারণ এটি একই আনুমানিক মান দেয়। নিম্নলিখিত উদাহরণ দেখুন
library(foreign)
mydata <- read.dta("k401.dta")
glm.bin <- glm(prate ~ mrate + age + sole + totemp, data = mydata
,family = binomial('logit'))
summary(glm.bin)
প্রত্যাবর্তন,
Call:
glm(formula = prate ~ mrate + age + sole + totemp, family = binomial("logit"),
data = mydata)
Deviance Residuals:
Min 1Q Median 3Q Max
-3.1214 -0.1979 0.2059 0.4486 0.9146
Coefficients:
Estimate Std. Error z value Pr(>|z|)
(Intercept) 1.074e+00 8.869e-02 12.110 < 2e-16 ***
mrate 5.734e-01 9.011e-02 6.364 1.97e-10 ***
age 3.089e-02 5.832e-03 5.297 1.17e-07 ***
sole 3.636e-01 9.491e-02 3.831 0.000128 ***
totemp -5.780e-06 2.207e-06 -2.619 0.008814 **
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
(Dispersion parameter for binomial family taken to be 1)
Null deviance: 1166.6 on 4733 degrees of freedom
Residual deviance: 1023.7 on 4729 degrees of freedom
AIC: 1997.6
Number of Fisher Scoring iterations: 6
এবং এর জন্য family = quasibinomial('logit'),
glm.quasi <- glm(prate ~ mrate + age + sole + totemp, data = mydata
,family = quasibinomial('logit'))
summary(glm.quasi)
প্রত্যাবর্তন,
Call:
glm(formula = prate ~ mrate + age + sole + totemp, family = quasibinomial("logit"),
data = mydata)
Deviance Residuals:
Min 1Q Median 3Q Max
-3.1214 -0.1979 0.2059 0.4486 0.9146
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) 1.074e+00 4.788e-02 22.435 < 2e-16 ***
mrate 5.734e-01 4.864e-02 11.789 < 2e-16 ***
age 3.089e-02 3.148e-03 9.814 < 2e-16 ***
sole 3.636e-01 5.123e-02 7.097 1.46e-12 ***
totemp -5.780e-06 1.191e-06 -4.852 1.26e-06 ***
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
(Dispersion parameter for quasibinomial family taken to be 0.2913876)
Null deviance: 1166.6 on 4733 degrees of freedom
Residual deviance: 1023.7 on 4729 degrees of freedom
AIC: NA
Number of Fisher Scoring iterations: 6
উভয় থেকে অনুমিত বিটা familyএকই, তবে পার্থক্যটি এসই মান values যাইহোক, সঠিক এসই প্রাপ্ত করতে, আমাদের library(sandwich)এই পোস্টে হিসাবে ব্যবহার করতে হবে ।
এখন, আমার প্রশ্নগুলি:
- এই দুটি কোডের মধ্যে পার্থক্য কী?
- কি দৃm় এসই পেতে চলেছে?
যদি আমার বোঝাপড়াটি সঠিক না হয় তবে দয়া করে কিছু পরামর্শ দিন।