লজিটের লিনিয়ারিটি লঙ্ঘনের বিরুদ্ধে লজিস্টিক রিগ্রেশনের দৃ rob়তা তদন্ত করা

Question

আমি একটি বাইনারি ফলাফল (শুরু এবং শুরু নয়) দিয়ে একটি লজিস্টিক রিগ্রেশন পরিচালনা করছি। আমার ভবিষ্যদ্বাণীকারীদের মিশ্রণগুলি সমস্তই হয় অবিচ্ছিন্ন বা দ্বৈতদৈর্ঘ্য ভেরিয়েবল।

বক্স-টিডওয়েল পদ্ধতির ব্যবহার করে আমার একটানা ধারাবাহিক ভবিষ্যদ্বাণী সম্ভাব্যভাবে লগিটের রৈখিকতার ধারণা লঙ্ঘন করে। মাপসই পরিসংখ্যান থেকে এমন কোনও ইঙ্গিত পাওয়া যায়নি যা ফিট সমস্যাযুক্ত।

পরবর্তীকালে আমি আবার রিগ্রেশন মডেলটি চালিত করেছি, মূল অবিচ্ছিন্ন ভেরিয়েবলটি এর সাথে প্রতিস্থাপন করছি: প্রথমত: একটি বর্গমূলের রূপান্তরকরণ এবং দ্বিতীয়ত: ভেরিয়েবলের দ্বৈতপ্রাকৃত সংস্করণ।

আউটপুট পরিদর্শন করার সময়, এটি মনে হয় যে ভালতা-ফিটনেস সামান্য উন্নতি করে কিন্তু অবশিষ্টাংশগুলি সমস্যাযুক্ত হয়ে ওঠে। প্যারামিটার অনুমান, মান ত্রুটি, এবং অপেক্ষাকৃত অনুরূপ রয়ে গেছে। 3 টি মডেল জুড়ে ডেটাটির ব্যাখ্যা আমার অনুমানের দিক থেকে পরিবর্তন হয় না।$\exp(\beta)$

সুতরাং, আমার ফলাফলগুলির উপযোগিতা এবং ডেটা ব্যাখ্যার বোধের ক্ষেত্রে, মূল ধারাবাহিক পরিবর্তনশীল ব্যবহার করে রিগ্রেশন মডেলটির প্রতিবেদন করা উপযুক্ত বলে মনে হয়।

আমি এটা ভাবছি:

1. লজিস্ট অনুমানের লিনিয়ারিটির সম্ভাব্য লঙ্ঘনের বিরুদ্ধে যখন লজিস্টিক রিগ্রেশন শক্ত হয়?
2. আমার উপরোক্ত উদাহরণ দেওয়া, মডেলটিতে মূল অবিচ্ছিন্ন পরিবর্তনশীল অন্তর্ভুক্ত করা কি গ্রহণযোগ্য বলে মনে হচ্ছে?
3. প্রস্তাবনাটির জন্য কি কোনও রেফারেন্স বা গাইড আছে যখন এটি মেনে নেওয়ার জন্য সন্তোষজনক যে মডেলটি লগইটের লিনিয়ারিটির সম্ভাব্য লঙ্ঘনের বিরুদ্ধে দৃ ?়?

Answer 1

লিনিয়ারিটি অনুমানটি সাধারণভাবে রেগ্রেশনটিতে লঙ্ঘিত হয় যে এটি অনুমানের পরিবর্তে অবাক করা উচিত। অন্যান্য রিগ্রেশন মডেলগুলির মতো, লজিস্টিক মডেল আপনি অযৌক্তিকভাবে লিনিয়ারিটি ধরে নিলে অরৈখিকতার পক্ষে দৃ not ় নয়। ফিট টেস্টের অবশিষ্টাংশ বা সর্বজনীন ধার্মিকতা ব্যবহার করে অরৈখিকতা সনাক্তকরণের পরিবর্তে সরাসরি পরীক্ষাগুলি ব্যবহার করা ভাল। উদাহরণস্বরূপ, রিগ্রেশন স্প্লাইনস ব্যবহার করে অবিচ্ছিন্ন ভবিষ্যদ্বাণীগুলি প্রসারিত করুন এবং সমস্ত ননলাইনারের পদগুলির একটি সমন্বিত পরীক্ষা করুন। আরও ভাল এখনও শর্তাদি পরীক্ষা না করে কেবল অনৈখিকতা আশা করে। স্কোয়ার রুট, লগ ইত্যাদির মতো রূপান্তরগুলির বিভিন্ন একক-opeালের পছন্দগুলি ব্যবহার করার চেয়ে এই পদ্ধতিটি অনেক ভাল, কারণ এই জাতীয় বিশ্লেষণের পরে পরিসংখ্যানগত অনুভূতি উত্থাপিত হবে কারণ এটির পক্ষে স্বাধীনতার বৃহত পরিমাণে ডিগ্রি নেই।

এখানে আর এর একটি উদাহরণ রয়েছে

require(rms)
f <- lrm(y ~ rcs(age,4) + rcs(blood.pressure,5) + sex + rcs(height,4))
# Fits restricted cubic splines in 3 variables with default knots
# 4, 5, 4 knots = 2, 3, 2 nonlinear terms
Function(f)   # display algebraic form of fit
anova(f)      # obtain individual + combined linearity tests

Comments

আপনার উত্তর চমত্কার অর্থে তোলে - আপনাকে ধন্যবাদ! আপনি কি এসপিএসএসে সিনট্যাক্স ব্যবহার করার পরামর্শ দিতে পারেন? দুর্ভাগ্যক্রমে

— শর্ট এলিজাবেথ

এটি অবশ্যই আর শেখার জন্য উপযুক্ত এবং আমি লজিস্টিক মডেলিং এবং আরএমএস প্যাকেজ সম্পর্কিত অনেকগুলি হ্যান্ডআউট পেয়েছি। এসপিএসএসে এটি করা কঠিন হবে।

— ফ্রাঙ্ক হ্যারেল

@ ফ্র্যাঙ্কহারেল: f <- lrm(y ~ ...লাইনটি একটি ত্রুটি দেয় object 'y' not found- আপনি কি ঠিক করতে পারেন?

— আরিফেল

এটি একটি খুব বেসিক আর ত্রুটি যা আমার rmsপ্যাকেজটির জন্য অনন্য নয় । বেসিক রিগ্রেশন lmফাংশনের জন্য উপলব্ধ বিস্তৃত উপাদান দিয়ে শুরু করে আর জানতে কিছুটা সময় ব্যয় করুন ।

— ফ্রাঙ্ক হ্যারেল

সফ্টওয়্যারটির সহায়তা পৃষ্ঠাগুলিতে অন্তর্নির্মিত উদাহরণগুলি এই জাতীয় ডেটার অনুকরণ করে, তাই প্রসঙ্গে পুরো উদাহরণটি দেখুন। কি require(rms)তারপর ?lrmতারপরexamples(lrm)

— ফ্রাঙ্ক Harrell