যখন ফলাফল ভগ্নাংশ (দুটি সংখ্যার একটি অনুপাত) হয় তখন কীভাবে আরজে লজিস্টিক রিগ্রেশন করবেন?


24

আমি একটি কাগজ পর্যালোচনা করছি যা নিম্নলিখিত জৈবিক পরীক্ষা আছে। একটি ডিভাইস বিভিন্ন পরিমাণে তরল শিয়ের স্ট্রেসের জন্য সেলগুলি প্রকাশ করতে ব্যবহৃত হয়। যেহেতু বৃহত্তর শিয়ার স্ট্রেসগুলি কোষগুলিতে প্রয়োগ করা হয়, তাদের মধ্যে অনেকগুলি স্তর থেকে পৃথক হওয়া শুরু করে। শিয়ার স্ট্রেসের প্রতিটি স্তরে, তারা সংযুক্ত থাকা কোষগুলি গণনা করে এবং যেহেতু তারা শুরুতে সংযুক্ত সমস্ত কক্ষের সংখ্যা জানে তাই তারা একটি ভগ্নাংশ সংযুক্তি (বা বিচ্ছিন্নতা) গণনা করতে পারে।

যদি আপনি আনুষ্ঠানিক ভগ্নাংশ বনাম শিয়ার স্ট্রেস প্লট করেন তবে ফলাফলটি একটি লজিস্টিক বক্ররেখা। তত্ত্ব অনুসারে, প্রতিটি স্বতন্ত্র ঘরটি একটি একক পর্যবেক্ষণ, তবে স্পষ্টতই কয়েক হাজার বা কয়েক হাজার কোষ রয়েছে, সুতরাং এটি সাধারণ উপায়ে সেট করা থাকলে (প্রতিটি সারি পর্যবেক্ষণের সাথে) ডেটা সেটটি বিশালাকার হতে পারে।

সুতরাং, স্বাভাবিকভাবেই, আমার প্রশ্নটি (শিরোনামে বর্ণিত) এখনই সার্থক হওয়া উচিত। ডিভি হিসাবে ভগ্নাংশের ফলাফলটি ব্যবহার করে আমরা কীভাবে লজিস্টিক রিগ্রেশন করব? কিছু কিছু স্বয়ংক্রিয় রূপান্তর যা গ্ল্যামে করা যেতে পারে?

একই লাইন বরাবর, যদি সম্ভাব্য 3 বা ততোধিক (ভগ্নাংশ) পরিমাপ হয়, তবে একটি বহু-সাম্প্রতিক লজিস্টিক রিগ্রেশন জন্য এটি কীভাবে করবে?


এখানে বহুবিধ ফলাফলের লজিস্টিক রিগ্রেশন সম্পর্কিত কয়েকটি উদাহরণ রয়েছে:http://www.ats.ucla.edu/stat/r/dae/mlogit.htm
মার্বেল

1
আপনি যা বর্ণনা করেছেন তা শোনাচ্ছে না যেমন আপনার স্বতন্ত্র পর্যবেক্ষণ থাকবে (যেহেতু শিয়ার বাড়ার সাথে সাথে কোষগুলি সম্ভবত পুনরায় যোগাযোগ করবে না, প্রতিটি উচ্চ চাপের সেটিংয়ে এখনও সংযুক্ত সংখ্যাটি অবশ্যই আগের সংখ্যার চেয়ে বেশি হওয়া উচিত নয়); এই নির্ভরতা আমলে নেওয়া উচিত। (এটি বৃদ্ধির কার্ভগুলির সাথে পরিস্থিতির স্মরণ করিয়ে দেয়)) --- আপনি কেবল সংখ্যাগুলি একটি জিএলএম এ প্লাগ করতে পারবেন না যেন তারা স্বাধীন ছিল ... এবং উত্তরের কোনও উত্তরই এই সমস্যার সমাধান করছে বলে মনে হচ্ছে না।
গ্লেন_বি

2
@ গ্লেেন_ বি প্রতিটি পরীক্ষা বিভিন্ন কোষ দ্বারা করা হবে, অর্থাত "100%" সংযুক্তি দিয়ে শুরু করা এবং শিয়ার স্ট্রেসের একটি আলাদা মান প্রয়োগ করা।
thecity2

আহ ঠিক আছে. এটি স্বাধীন ফলাফল দেবে।
গ্লেন_বি -রিনস্টেট মনিকা

উত্তর:


37

glmফাংশন Rএকটি লজিস্টিক রিগ্রেশন মডেল জন্য সূত্র উল্লেখ করতে 3 টি উপায় পারেন।

সর্বাধিক সাধারণ হ'ল ডেটা ফ্রেমের প্রতিটি সারি একটি একক পর্যবেক্ষণ উপস্থাপন করে এবং প্রতিক্রিয়া ভেরিয়েবল হয় 0 বা 1 (বা 2 স্তরযুক্ত একটি ফ্যাক্টর, বা কেবল 2 অনন্য মান সহ অন্যান্য ভারিবেল)।

আর একটি বিকল্প হ'ল ২ কলামের ম্যাট্রিক্স প্রতিক্রিয়া পরিবর্তনশীল হিসাবে প্রথম কলামটি 'সাফল্য' গণনা এবং দ্বিতীয় কলামটি 'ব্যর্থতা' গণনা হিসাবে ব্যবহার করবে।

আপনি 0 এবং 1 এর অনুপাত হিসাবে প্রতিক্রিয়াটিও নির্দিষ্ট করতে পারেন, তারপরে আর একটি কলামকে 'ওজন' হিসাবে নির্দিষ্ট করুন যা অনুপাতটি থেকে প্রাপ্ত মোট নম্বর দেয় (সুতরাং 0.3 এর প্রতিক্রিয়া এবং 10 এর ওজন 3 হিসাবে সমান হয়) সাফল্য 'এবং 7' ব্যর্থতা ')।

আপনি যা করার চেষ্টা করছেন তা সর্বশেষ 2 টির মধ্যেই ফিট হয়ে যাবে, আপনি কীভাবে আপনার ডেটা বর্ণনা করেন তার জন্য শেষটি সবচেয়ে সর্বাধিক সরাসরি বলে মনে হয়।


9

শুরু হিসাবে, আপনার যদি একটি নির্ভরশীল পরিবর্তনশীল থাকে যা অনুপাত হয় তবে আপনি বিটা রিগ্রেশন ব্যবহার করতে পারেন। এটি একাধিক অনুপাত পর্যন্ত (আমার সীমিত জ্ঞানের সাথে) প্রসারিত হয় না।

বিটা রিগ্রেশন ওভারভিউ এবং একটি আর বাস্তবায়নের জন্য বিটারেজ পরীক্ষা করে দেখুন


ধন্যবাদ! দ্বিপদী মামলার জন্য আমার যা প্রয়োজন তা দেখে মনে হচ্ছে এটি।
thecity2

2

আমি nnet::multinomএকই ধরণের উদ্দেশ্যে (প্যাকেজ এনট ম্যাসের একটি অংশ) ব্যবহার করছি, এটি [0, 1] এ অবিচ্ছিন্ন ইনপুট গ্রহণ করে।

আপনার যদি কোনও রেফারেন্সের প্রয়োজন হয়: সি। বেলাইটস ইটাল: ন্যূন রেফারেন্স তথ্য ব্যবহার করে অ্যাস্ট্রোকাইটোমা টিস্যুগুলির রমন বর্ণালী গ্রেডিং। অ্যানাল বায়োয়ানাল কেম, ২০১১, খণ্ড। 400 (9), পিপি 2801-2816


গ্রেট! আমার কাছে সেই প্যাকেজ রয়েছে, এবং বুঝতে পারি না যে এটির এই ক্ষমতা ছিল।
thecity2

@ কেবেলাইটস: এটি কি নির্ভরশীলকে [0,1] হতে দেয়? আমি যদিও এটি একটি নামমাত্র নির্ভরতার জন্য একটি ফাংশন ছিল (ভবিষ্যদ্বাণীকারীদের [0,1] এ ছোট করা উচিত ...
বি_মিনিয়ার

@ বি_মিনার: হ্যাঁ, নির্ভরশীল [0, 1] এ থাকতে পারে। ফাংশনটি লুকানো স্তর ছাড়াই এবং লজিস্টিক সিগময়েডের সাথে একটি কৃত্রিম নিউরাল নেটওয়ার্কের সাথে ফিট করে। এবং হ্যাঁ, ভবিষ্যদ্বাণীকারীদের মোটামুটি [0, 1] এ আরও ভাল রূপান্তর করার জন্য স্কেল করার পরামর্শ দেওয়া হচ্ছে।
সিবিলেটগুলি মনিকা
আমাদের সাইট ব্যবহার করে, আপনি স্বীকার করেছেন যে আপনি আমাদের কুকি নীতি এবং গোপনীয়তা নীতিটি পড়েছেন এবং বুঝতে পেরেছেন ।
Licensed under cc by-sa 3.0 with attribution required.