আর-তে লজিস্টিক রিগ্রেশন সম্পর্কিত ক্রিস্টোফার ম্যানিংয়ের রচনাটি আর-তে একটি লজিস্টিক রিগ্রেশনটি দেখায়:
ced.logr <- glm(ced.del ~ cat + follows + factor(class),
family=binomial)
কিছু আউটপুট:
> summary(ced.logr)
Call:
glm(formula = ced.del ~ cat + follows + factor(class),
family = binomial("logit"))
Deviance Residuals:
Min 1Q Median 3Q Max
-3.24384 -1.34325 0.04954 1.01488 6.40094
Coefficients:
Estimate Std. Error z value Pr(>|z|)
(Intercept) -1.31827 0.12221 -10.787 < 2e-16
catd -0.16931 0.10032 -1.688 0.091459
catm 0.17858 0.08952 1.995 0.046053
catn 0.66672 0.09651 6.908 4.91e-12
catv -0.76754 0.21844 -3.514 0.000442
followsP 0.95255 0.07400 12.872 < 2e-16
followsV 0.53408 0.05660 9.436 < 2e-16
factor(class)2 1.27045 0.10320 12.310 < 2e-16
factor(class)3 1.04805 0.10355 10.122 < 2e-16
factor(class)4 1.37425 0.10155 13.532 < 2e-16
(Dispersion parameter for binomial family taken to be 1)
Null deviance: 958.66 on 51 degrees of freedom
Residual deviance: 198.63 on 42 degrees of freedom
AIC: 446.10
Number of Fisher Scoring iterations: 4
তারপরে তিনি সহগের ব্যাখ্যা কীভাবে করতে পারেন, বিভিন্ন মডেলের তুলনা করতে পারেন ইত্যাদি সম্পর্কে কিছু বিশদে যান। বেশ কার্যকর।
যাইহোক, মডেলটির কতটা বৈকল্পিকতা রয়েছে? লজিস্টিক রিগ্রেশন সম্পর্কিত একটি স্টাটা পৃষ্ঠা বলে:
প্রযুক্তিগতভাবে, ওলএস রিগ্রেশন-এর মতো লজিস্টিক রিগ্রেশনে একইভাবে গণনা করা যায় না। ছদ্ম- , লজিস্টিক রিগ্রেশন-এ as হিসাবে সংজ্ঞায়িত করা হয়েছে , যেখানে "ধ্রুবক মাত্র" মডেলের লগ সম্ভাবনা উপস্থাপন করে এবং সম্পূর্ণ মডেলের লগ হওয়ার সম্ভাবনা রয়েছে ধ্রুবক এবং ভবিষ্যদ্বাণীকারী।আর 2 1 - এল 1 এল0এল1
আমি এটি উচ্চ স্তরে বুঝতে পারি। ধ্রুব-কেবলমাত্র মডেল কোনও পরামিতি ছাড়াই (কেবলমাত্র বিরতি শর্ত) থাকবে। লগ সম্ভাবনা হ'ল প্যারামিটারগুলি কতটা ঘনিষ্ঠভাবে ডেটা ফিট করে তার একটি পরিমাপ। প্রকৃতপক্ষে, ম্যানিংয়ের সাজানোর ইঙ্গিতগুলি যে বিচ্যুতি হতে পারে । সম্ভবত নাল বিচ্যুতিটি কেবল ধ্রুবক এবং অবশিষ্ট অবলম্বন -মডেলের ? তবে আমি এতে স্ফটিক পরিষ্কার করছি না।- 2 লগ এল
এই উদাহরণটি ব্যবহার করে কেউ কীভাবে সি এর সিউডো- ? প্রকৃতভাবে গণনা করতে পারে ?