বিভাগগুলির প্রভাবগুলি এবং লজিস্টিক রিগ্রেশনটিতে তাদের প্রকোপটি কল্পনা করার সর্বোত্তম উপায় কী?

Question

জনমত জরিপের তথ্য ব্যবহার করে প্রার্থীর ভোটের মূল ভবিষ্যদ্বাণীকারীদের সম্পর্কে আমার তথ্য উপস্থাপন করতে হবে। আমি যত্নশীল সমস্ত ভেরিয়েবলগুলি ব্যবহার করে একটি লজিস্টিক রিগ্রেশন চালিয়েছি, তবে এই তথ্য উপস্থাপনের জন্য আমি কোনও ভাল উপায় খুঁজে পাচ্ছি না।

আমার ক্লায়েন্ট কেবল প্রভাবের আকারের বিষয়ে চিন্তা করে না, তবে এফেক্টের আকার এবং এই জাতীয় বৈশিষ্ট্যের সাথে জনসংখ্যার আকারের মধ্যে মিথস্ক্রিয়া সম্পর্কে।

আমি কীভাবে গ্রাফের সাথে এটি মোকাবেলা করতে পারি? কোন পরামর্শ?

এখানে একটি উদাহরণ:

পরিবর্তনশীল সংখ্যাগুরু লিঙ্গের (পুরুষ = 1) নির্ভরশীল পরিবর্তনশীল ভোট যখন / প্রার্থী নেই যা exponentiated হয়েছে এবং মতভেদ অনুপাত বা সম্ভাব্যতা হিসাবে গণ্য পর একটি বড় সংখ্যা 2.3 হয়। তবে, যে সমাজে এই সমীক্ষাটি চালিত হয়েছিল কেবল তার 30% পুরুষ ছিল। অতএব, যদিও এই প্রার্থীকে মানুষ যথেষ্ট সমর্থন করেছিল, তবে একটি সংখ্যাগরিষ্ঠ নির্বাচনে জয়ী হওয়ার চেষ্টা করা প্রার্থীর পক্ষে তাদের সংখ্যা নগণ্য।$\beta$

Comments

FWIW, "মিথস্ক্রিয়া" শব্দটির ব্যবহার ভুল (দেখুন, যেমন এখানে বা এখানে )। আমি এর মতো কিছু বলতে চাই, '... তবে এমন পরিস্থিতি সনাক্ত করার বিষয়ে যেখানে প্রভাবের আকারটি বড় এবং এই জাতীয় বৈশিষ্ট্যযুক্ত জনসংখ্যার আকারও বড়'।

— গুং - মনিকা পুনরায়

Answer 1

আমি @ পিটারফ্লম এর সাথে একমত যে উদাহরণটি বিজোড়, তবে সেটিকে আলাদা করে রেখে, আমি লক্ষ্য করেছি যে ব্যাখ্যামূলক পরিবর্তনশীল শ্রেণিবদ্ধ is যদি এটি ধারাবাহিকভাবে সত্য হয় তবে এটি এটিকে ব্যাপকভাবে সরল করে। আমি এই প্রভাবগুলি উপস্থাপন করতে মোজাইক প্লট ব্যবহার করব । একটি মোজাইক প্লট শর্তসাপেক্ষ অনুপাত উল্লম্বভাবে প্রদর্শন করে তবে প্রতিটি বিভাগের প্রস্থ নমুনায় তার প্রান্তিক (অর্থাৎ নিঃশর্ত) অনুপাতের তুলনায় মাপানো হয়।

টাইটানিক বিপর্যয় থেকে প্রাপ্ত তথ্য সহ এখানে একটি উদাহরণ দেওয়া হয়েছে, যা আর এর সাহায্যে তৈরি করা হয়েছে:

data(Titanic)

sex.table   = margin.table(Titanic, margin=c(2,4))
class.table = margin.table(Titanic, margin=c(1,4))
round(prop.table(t(sex.table), margin=2), digits=3)
#          Sex
# Survived  Male Female
#      No  0.788  0.268
#      Yes 0.212  0.732
round(prop.table(t(class.table), margin=2), digits=3)
#           Class
# Survived   1st   2nd   3rd  Crew
#      No  0.375 0.586 0.748 0.760
#      Yes 0.625 0.414 0.252 0.240

windows(height=3, width=6)
  par(mai=c(.5,.4,.1,0), mfrow=c(1,2))
  mosaicplot(sex.table,   main="")
  mosaicplot(class.table, main="")

বাম দিকে, আমরা দেখতে পাচ্ছি যে মহিলারা বেঁচে থাকার সম্ভাবনা অনেক বেশি ছিল, তবে বোর্ডে সম্ভবত পুরুষরা প্রায় ৮০% ছিলেন men সুতরাং পুরুষদের বেঁচে থাকার শতাংশ বৃদ্ধির অর্থ মহিলা বেঁচে থাকার শতাংশের চেয়েও বড় বর্ধনের চেয়ে অনেক বেশি জীবন বাঁচানো হত। এটি আপনার উদাহরণের সাথে কিছুটা উপমা। ডানদিকে আরও একটি উদাহরণ রয়েছে যেখানে ক্রু এবং স্টিয়ারিজ মানুষের সর্বাধিক অনুপাত তৈরি করেছিল, তবে বেঁচে থাকার সম্ভাবনা সবচেয়ে কম ছিল। (এটির মূল্যের জন্য এটি এই ডেটাগুলির একটি সম্পূর্ণ বিশ্লেষণ নয়, কারণ টাইটানিকের উপর শ্রেণি এবং লিঙ্গগুলিও স্বাধীন ছিল না, তবে এই প্রশ্নের ধারণাগুলি চিত্রিত করার জন্য এটি যথেষ্ট))

Answer 2

আমি একটু কৌতূহলী যে সমাজে কেবল 10% পুরুষ ছিল ... তবে ...

একটি জিনিস আপনি যা করতে পারেন তা হ'ল প্রতিকূল অনুপাতের পরিকল্পনা করা এবং নমুনার আকারের সাথে প্রতিটি লেবেল।

যদি আপনি উভয় ভেরিয়েবলগুলি গ্রাফিকভাবে উপস্থাপন করতে চান তবে আপনি y অক্ষের প্রতিটি বুদবুদের অবস্থানের সাথে বিজোড় অনুপাতের আকার এবং নমুনার আকারের সমানুপাতিক বুদ্বারের ক্ষেত্রের সাথে মিলে একটি বুদ্বুদ চার্ট তৈরি করতে পারেন।

Comments

সম্ভবত এই এক।

— আন্দ্রে সিলভা