জিএলএম-তে কীভাবে ইন্টারসেপ্ট শব্দটি ব্যাখ্যা করবেন?

Question

আমি আর ব্যবহার করছি এবং আমি জিএনএম এর সাথে বোনমিয়াল লিঙ্কের সাথে আমার ডেটা বিশ্লেষণ করছি।

আউটপুট সারণিতে ইন্টারসেপ্টের অর্থ কী তা আমি জানতে চাই। আমার মডেলগুলির মধ্যে একটির জন্য বাধাটি উল্লেখযোগ্যভাবে পৃথক, তবে পরিবর্তনশীলটি নয়। এটার মানে কি?

কী বাধা আছে। আমি জানি না যে আমি কেবল নিজেকে বিভ্রান্ত করছি কিন্তু ইন্টারনেটে অনুসন্ধান করেছি, কিছুই বলার অপেক্ষা রাখে না, এটি এটি, এটি খেয়াল করুন ... বা না।

খুব হতাশ শিক্ষার্থী সাহায্য করুন

---

glm(formula = attacked_excluding_app ~ treatment, family = binomial, 
    data = data)
Deviance Residuals: 
    Min       1Q   Median       3Q      Max  
-2.3548   0.3593   0.3593   0.3593   0.3593  
Coefficients:
                         Estimate Std. Error z value Pr(>|z|)   
(Intercept)                 2.708      1.033   2.622  0.00874 **
treatmentshiny_non-shiny    0.000      1.461   0.000  1.00000

(Dispersion parameter for binomial family taken to be 1)
Null deviance: 14.963  on 31  degrees of freedom
Residual deviance: 14.963  on 30  degrees of freedom
(15 observations deleted due to missingness)
AIC: 18.963
Number of Fisher Scoring iterations: 5

Comments

আপনি glm এ নির্দিষ্ট লিঙ্ক ফাংশন কি?

— টমাস

সমস্ত স্বতন্ত্র ভেরিয়েবল 0 হলে ইন্টারসেপ্ট হ'ল নির্ভরশীল ভেরিয়েবলের পূর্বাভাসকৃত মান your আপনার মডেল সম্পর্কে আরও তথ্য ছাড়া আমি বলতে পারি না এটি আপনার ক্ষেত্রে এটি অর্থবহ whether

— পিটার ফ্লুম - মনিকা পুনরায়

Answer 1

ইন্টারসেপ্ট শব্দটি হ'ল জিএলএম সমীকরণের লিনিয়ার অংশে বিরতি, সুতরাং আপনার মডেলটির জন্য , যেখানে আপনার লিঙ্ক ফাংশন এবং আপনার লিনিয়ার মডেল। এই লিনিয়ার মডেলটিতে একটি "ইন্টারসেপ্ট টার্ম" থাকে, অর্থাত:g X $E[Y] = g^{-1}(\mathbf{X \beta})$$g$$\mathbf{X\beta}$

$\mathbf{X\beta} = c + X_1\beta_1+X_2\beta_2+\cdots$

আপনার ক্ষেত্রে ইন্টারসেপ্টটি উল্লেখযোগ্যভাবে শূন্য নয়, তবে ভেরিয়েবলটি নয়, তাই এটি বলছে

$\mathbf{X\beta} = c \neq 0$

কারণ আপনার লিঙ্ক ফাংশন দ্বি-দ্বি, তারপর

$g(\mu) = \ln\left(\frac{\mu}{1-\mu}\right)$

এবং তাই কেবল বিরতি শর্তের সাথে, আপনার পক্ষে উপযুক্ত মডেল হ'ল:

$E[Y] = \frac{1}{1+e^{-c}}$

আপনি দেখতে পারেন যে হলে এটি কেবল Y = 1 বা 0 পাওয়ার 50:50 সম্ভাবনার সাথে মিলে যায়, অর্থাৎই [ ওয়াই ] = $c=0$$E[Y] = \frac{1}{1+1} = 0.5$

সুতরাং আপনার ফলাফলটি বলছে যে আপনি ফলাফলটি ভবিষ্যদ্বাণী করতে পারবেন না, তবে একটি শ্রেণি (1 এর বা 0 এর) অপরটির চেয়ে বেশি সম্ভবত।

Comments

আপনি আমাকে E [Y] = .... :) এ ভয় দেখিয়েছিলেন। উত্তরের জন্য ধন্যবাদ, আপনি কী বলছেন তা আমি বুঝতে (দয়া করে) বুঝতে পারি। আপনি বলেছিলেন যে ইন্টারসেপ্ট সিগ হয়েছে। শূন্য নয়, তবে বিভিন্ন না, এটি পি = 1.00 !? পুনঃসূচনা সম্পর্কে আমি যা বলতে পারি তার উপর চলকগুলির পি-মানটির কী প্রভাব থাকে?

— স্যামুয়েল ওয়াল্ড্রন

যদি কোনও ভেরিয়েবলের পি-মানটি ছোট না হয় তবে একটি সাধারণত সেই পরিবর্তনশীলটিকে মডেলটিতে অন্তর্ভুক্ত করবে না। আপনার ক্ষেত্রে ভেরিয়েবলের শূন্য-অমূল্যের মানও ধরা হচ্ছে না, সুতরাং পি-মানটি 1.00 00 মূলত "ট্রিটমেন্ট" এবং "অ্যাটাক_এক্সক্লাইডিং_এপ" এর মধ্যে কোনও সম্পর্ক নেই। সম্পর্কের অনুপস্থিতি এখানে এতটাই নিখুঁত যে এটি আপনার কাছে একটি ছোট ডেটাসেট থাকলেও এটি প্রায় সন্দেহজনক। এটি আপনার ডেটা ভিজ্যুয়ালাইজ করার পক্ষে এবং এটি যুক্তিসঙ্গত কিনা তা দেখার জন্য উপযুক্ত হতে পারে।

— করোন

উত্তরের জন্য +1, (এবং ডেটাসেটে অদ্ভুত কিছু ঘটছে বলে মন্তব্য করার পরামর্শ) যদিও আমি আপনার মন্তব্যটি খোলার সাথে একমত নই "যদি একটি ভেরিয়েবলের পি-ভ্যালুটি ছোট না হয় তবে সাধারণত সেই পরিবর্তনশীলটিকে অন্তর্ভুক্ত করা হত না মডেল." এটি অগত্যা তাই নয় - প্রায়শই একজন সম্পর্কের মাত্রাটি জানাতে চায়, যদিও এটি "তাৎপর্যপূর্ণ" না হয় (এবং আরও উল্লেখযোগ্য বিষয়, আপনি যদি কোনও সম্পর্কের সাথে মডেলিং করতে আগ্রহী হন তবে নালীর ফলাফল হয়) এখনও জানা গুরুত্বপূর্ণ।)

— জেমস স্ট্যানলি

@ জেমস - খুব ভাল পয়েন্ট, আপনি সর্বদা যেটি ভেরিয়েবল পরীক্ষা করেছেন তা রিপোর্ট করা উচিত - আমার স্পষ্ট হওয়া উচিত ছিল, আমি কেবল বোঝাতে চেয়েছিলাম যে কোনও একটি পূর্বাভাস দেওয়ার জন্য মডেলটি ব্যবহার করার চেষ্টা করার সময় সাধারণত সেই পরিবর্তনশীলকে অন্তর্ভুক্ত না করে (যেহেতু এটি সাধারণত অতিমাত্রায় বোঝায় )।

— করোন

@ করোন - স্ট্যাটাস.স্ট্যাকেক্সেঞ্জঞ্জ / প্রশ্নস / ১1717২৪/২

— রোল্যান্ডো

Answer 2

আমার কাছে দেখে মনে হচ্ছে ডেটা নিয়ে কিছু সমস্যা হতে পারে। এটি অদ্ভুত যে সহগের জন্য পরামিতি অনুমানটি 0.000 হবে। দেখে মনে হচ্ছে আপনার ডিভি এবং আপনার আইভি উভয়ই দ্বিধাদায়ক এবং আপনার ডিভি-র অনুপাতগুলি আপনার আইভিয়ের সাথে একেবারেই আলাদা হয় না। এটা কী ঠিক?

ইন্টারসেপ্ট, যেমনটি আমি আমার মন্তব্যে উল্লেখ করেছি (এবং @ করোনর উত্তরটি বোঝায়) আইভির মান যখন আইভি হয় 0 তখন আপনার আইভি কোডটি কীভাবে কোড করা হয়েছিল? যেমনটি হ'ল, সহগের জন্য অনুমানটি 0.000 হ'ল বোঝা যায় যে চতুর্থ কোনও পার্থক্য রাখে না।

$\text{log}(\frac{p}{1-p})$

Comments

বলছি হাই, আবার মন্তব্যের জন্য আপনাকে ধন্যবাদ। তথ্য পয়েন্টগুলি প্রায় অভিন্ন। আমি এটি একটি প্রতিবেদনে রিপোর্ট করছি এবং তা সত্ত্বেও এটি হাইলাইট করতে হবে। এজন্য ফলাফলগুলি বিজোড় দেখাচ্ছে। আমার রিপোর্টে এই তথ্য (জিএলএম) এবং অন্যান্য ডেটা সেট (জিএলএমএম) দিয়ে আমি হাঁটতে পারার আগে আমি ডিফিনেটলি চালিয়ে যাচ্ছি (# TEAM2x2x2x2)। আমি মনে করি যে আমার প্রধান সমস্যাটি আমার কী রিপোর্ট করতে হবে তা জেনে আমি কি ইন্টারসেপ্ট বা আইভির স্ট্যাটাসটি মেন্টন করি? নীচে আমার (আশা করি আরও স্ট্যান্ডার্ড) GLMM আবার বাইনোমিয়াল লিঙ্ক সহ।

— স্যামুয়েল ওয়াল্ড্রন

ল্যাপলেস আনুমানিক সূত্র অনুসারে সাধারণ রৈখিক মিশ্র মডেল ফিট: আক্রান্ত ack চিকিত্সা + ট্রায়াল + চিকিত্সা + ট্রায়াল + ট্রায়াল + (1 | পাখি) ডেটা: ডেটা এআইসিসিআইসি লগলিক বিচ্যুতি 139.6 153.8 -64.78 129.6 এলোমেলো প্রভাব: গোষ্ঠীর নাম ভেরিয়েন্স স্টাড। ডেভ। পাখি (বিরতি) 0.87795 0.93699 স্তরের সংখ্যা: 128, গোষ্ঠী: পাখি, 32

— স্যামুয়েল ওয়াল্ড্রন

স্থির প্রভাব: প্রাক্কলন স্ট্যান্ডার্ড ত্রুটির z মান PR (> | জ | --- সিগনিফ। কোডগুলি: 0 ' ' 0.001 ' ' 0.01 ' ' 0.05 ''। 0.1 '' 1 ফিক্সড এফেক্টস সংশ্লেষন: (Intr) Trtm_- ট্রায়াল Trtmntshn_- -0,712 ট্রায়াল -0,895 0,638 Trtmnts _-: টি 0,664 -0,896 -0,742

— স্যামুয়েল Waldron

Answer 3

আপনার ক্ষেত্রে, ইন্টারসেপ্ট হ'ল গ্র্যান্ড অর্থ attacked_excluding_app, নির্বিশেষে সমস্ত ডেটার জন্য গণনা করা treatment। সহগের টেবিলে তাত্পর্যপূর্ণ পরীক্ষাটি শূন্য থেকে উল্লেখযোগ্য আলাদা কিনা তা পরীক্ষা করে দেখছে is এটি প্রাসঙ্গিক কিনা তা নির্ভর করে আপনার শূন্য হওয়ার আশা করার কোনও প্রাথমিক কারণ রয়েছে কিনা তা নির্ভর করে।

উদাহরণস্বরূপ, কল্পনা করুন যে আপনি রক্তচাপের প্রভাবের জন্য একটি ড্রাগ এবং একটি প্লাসবো পরীক্ষা করেছেন। প্রতিটি বিষয়ের জন্য, আপনি গণনা করে তাদের রক্তচাপের পরিবর্তন রেকর্ড করুন (চিকিত্সার পরে চাপ - চিকিত্সার আগে চাপ) এবং এটি আপনার বিশ্লেষণে নির্ভরশীল পরিবর্তনশীল হিসাবে বিবেচনা করুন। তারপরে আপনি দেখতে পান যে চিকিত্সার প্রভাব (ড্রাগ বনাম প্লাসবো) অযোগ্য-তাত্পর্যপূর্ণ তবে এটি বিরতি উল্লেখযোগ্যভাবে> 0 - এটি আপনাকে বলবে যে গড় হিসাবে, আপনার বিষয়গুলির রক্তচাপ দুটি পরিমাপের সময়ের মধ্যে বেড়েছে। এটি আকর্ষণীয় হতে পারে এবং আরও তদন্তের প্রয়োজন।