আর-তে আনুপাতিক প্রতিক্রিয়ার ধারণা না নিয়ে কোনও অর্ডিনাল লজিস্টিক রিগ্রেশনে একটি সহগ কীভাবে ঠিক করা যায়?

আমি আনুপাতিকতার বৈষম্য ধারণা না নিয়ে আরে একটি সাধারণ লজিস্টিক রিগ্রেশন করতে চাই। আমি জানি এটি সেটিংস দ্বারা সরাসরি vglm()ফাংশন ব্যবহার করে করা যেতে পারে ।Rparallel=FALSE

তবে আমার সমস্যাটি হল এই রেগ্রেশন সেটআপে কোনও সহগের একটি নির্দিষ্ট সেট কীভাবে ঠিক করা যায়? উদাহরণ হিসেবে বলা যায়, বলে নির্ভরশীল পরিবর্তনশীল বিযুক্ত এবং পূরণবাচক হয় এবং মান গ্রহণ করতে পারেন , , অথবা । যদি রেজিস্ট্রারগুলি এবং , তবে রিগ্রেশন সমীকরণগুলি $Y$ $Y = 1$ $2$ $3$ $X_{1}$ $X_{2}$

\begin{aligned} ঠ ণ ছ আমি টি (পি (ওয়াই \leq 1)) & = α_{1} + + β_{11} {এক্স}_{1} + + β_{12} {এক্স}_{2} \\ ঠ ণ ছ আমি টি (পি (ওয়াই \leq 2)) & = α_{2} + + β_{21} {এক্স}_{1} + + β_{22} {এক্স}_{2} \end{aligned}

$\begin{aligned} {\rm logit} \big( P(Y \leq 1) \big) &= \alpha_{1} + \beta_{11}X_{1} + \beta_{12}X_{2} \\ {\rm logit}\big(P(Y \leq 2) \big) &= \alpha_{2} + \beta_{21}X_{1} + \beta_{22}X_{2} \end{aligned}$

আমি সেট করতে চান এবং থেকে । আমি কীভাবে এটি অর্জন করতে পারি দয়া করে আমাকে জানান। এছাড়াও যদি এটি না করতে পারে তবে আপনি কি দয়া করে আমাকে জানান যে আমি যদি অন্য কোনও পরিসংখ্যান সফটওয়্যারটিতে এটি অর্জন করতে পারি? $\beta_{11}$ $\beta_{22}$ $1$ R

r regression logistic

— শংকর
সূত্র

কি ধারাবাহিক বা শ্রেণিবদ্ধ? যদি দ্বিতীয়টি হয়, তবে স্তরিত বিশ্লেষণ চালিয়ে আপনি যা চান তার কাছাকাছি কিছু পেতে পারেন।

X_{1}

$X_1$

— পিটার ফ্লুম - মনিকা পুনরায়

উত্তর পিটার জন্য ধন্যবাদ। এক্স 1 এবং এক্স 2 উভয়ই অবিচ্ছিন্ন।

— শঙ্কর

তাহলে কথাটি কি, আপনি কেবল আলফার চেয়ে এই মডেলটির ফিটটিকেই অনুকূল করতে চান?

— গুং - মনিকা পুনরায়

@ শ্যাঙ্কার, আপনি যদি

তে গুণাগুণটি ঠিক করতে চান , তবে আপনি এটি মডেলটিতে চান না - আপনি কেবল সমীকরণের ডানদিকে একই পরিবর্তনশীল যুক্ত করতে চান, যা অফসেটটি করে।

1

$1$

— ম্যাক্রো

@Shanker, দুঃখিত - আমি আপনার কোটার ভুল ব্যাখ্যা করা "আমি সেট করতে চান এবং থেকে " $\beta_{11}$ $\beta_{22}$ $1$ আমি ভেবেছিলাম উভয় এই সমীকরণ একই পরিবর্তনশীল অনুরূপ কিন্তু আমি দেখতে পাচ্ছি যে ক্ষেত্রে নয় -। Rএখানে আপনাকে সহায়তা করার জন্য কারও কাছে সঠিক কোড থাকতে পারে তবে আমি সন্দেহ করি যে এ জাতীয় কোনও কোডের অস্তিত্ব নেই এবং প্রশ্নের উত্তর (যা আপনি শুনতে চান না), এই মডেলটিকে ফিট করার জন্য আপনার নিজের কোডটি লিখতে হবে। এটি মারাত্মক জটিল হবে না এবং যদি আপনার সম্ভাবনা সমীকরণ ইত্যাদি প্রাপ্ত করার জন্য প্রয়োজন হয় তবে আপনি এটিকে পৃথক প্রশ্ন হিসাবে পোস্ট করার বিষয়টি বিবেচনা করতে পারেন।

— ম্যাক্রো

আমি নিশ্চিত না যে আমি ওপি বলতে কী বুঝি যখন সে বলেছিল "আমি ব্যবহার করতে পারি না offsetকারণ এটি রিগ্রেশন থেকে সম্পর্কিত রেজিস্ট্রারকে পুরোপুরি সরিয়ে দেয়।" আপনি offset()আর এ ফাংশনটি ব্যবহার করে একটি প্যারামিটার ঠিক করতে পারেন I'm আমি lm()নীচে ব্যবহার করছি তবে এটি আপনার মডেলটিতেও কাজ করা উচিত।

dat  <- data.frame(x=rnorm(30))
dat$y <- dat$x * 2 + rnorm(30) 
free <- lm(y ~ x,dat)
fixed1<- lm(y ~ offset(2 * x),dat)

summary(free)
#Coefficients:
#            Estimate Std. Error t value Pr(>|t|)    
#(Intercept)  0.03899    0.17345   0.225    0.824    
#x            2.17532    0.18492  11.764 2.38e-12 ***

summary(fixed1)
#Coefficients:
#            Estimate Std. Error t value Pr(>|t|)
#(Intercept)  0.05043    0.17273   0.292    0.772

স্থির প্যারামিটার আউটপুটে প্রদর্শিত হবে না, তবে এটি এখনও ২ এ স্থির করা আছে পরবর্তী আমি মডেলটির xপ্যারামিটারটিকে তার আনুমানিক মান হিসাবে ঠিক করবfree

fixed2<- lm(y ~ offset(2.17532 * x),dat)
summary(fixed2)
#Coefficients:
#            Estimate Std. Error t value Pr(>|t|)
#(Intercept)  0.03899    0.17002   0.229     0.82

লক্ষ্য করুন যে ইন্টারসেপ্টটি মডেলের fixed2মতো একই মান দিয়ে অনুমান করা হয় free।

— ndoogan
সূত্র