কোন প্রতিকূল অনুপাত এবং বিপদ অনুপাতের মধ্যে কোনও কার্যকরী পার্থক্য রয়েছে?


10

লজিস্টিক রিগ্রেশনে, 2 এর একটি বিভেদ অনুপাতের অর্থ হ'ল ভবিষ্যদ্বাণীকের এক-ইউনিট বৃদ্ধি পেয়ে ইভেন্টটি 2 বার বেশি সম্ভাব্য। কক্স রিগ্রেশনে, 2 এর একটি বিপদ অনুপাত মানে ভবিষ্যদ্বাণীকের এক-ইউনিট বৃদ্ধি পেয়ে ইভেন্টটি প্রতিটি সময়ে প্রায় দ্বিগুণ হয়ে থাকে। এগুলি কি বাস্তবে একই জিনিস নয়?

তাহলে আমরা যদি লজিস্টিক রিগ্রেশন-এর প্রতিকূল অনুপাত থেকে কার্যত একই তথ্য পেতে পারি তবে কক্স রিগ্রেশন করার এবং বিপদ অনুপাত করার সুবিধা কী?

উত্তর:


12

2 এর প্রতিকূল অনুপাতের অর্থ হ'ল ভবিষ্যদ্বাণীকের এক-ইউনিট বৃদ্ধি পেয়ে ইভেন্টটি 2 গুণ বেশি সম্ভাব্য

এর অর্থ প্রতিক্রিয়া দ্বিগুণ হবে যা সম্ভাবনার দ্বিগুণ হওয়ার মতো নয়।

কক্স রিগ্রেশনে, 2 এর একটি বিপদ অনুপাত মানে ভবিষ্যদ্বাণীকের এক-ইউনিট বৃদ্ধি পেয়ে ইভেন্টটি প্রতিটি সময়ে প্রায় দ্বিগুণ হয়ে থাকে।

কিছুটা হ্যান্ডওয়াভিং বাদ দিয়ে হ্যাঁ - ঘটনার হার দ্বিগুণ। এটি একটি ছোট আকারের তাত্ক্ষণিক সম্ভাবনার মতো।

এগুলি কি বাস্তবে একই জিনিস নয়?

ইভেন্টের প্রতিকূলতা দ্বিগুণ করার সময় এগুলি প্রায় একই জিনিস হয় ইভেন্টের বিপদ দ্বিগুণ করার মতোই। এগুলি স্বয়ংক্রিয়ভাবে সমান হয় না তবে কিছু (মোটামুটি সাধারণ) পরিস্থিতিতে তারা খুব ঘনিষ্ঠতার সাথে মিল রাখতে পারে।

আপনি প্রতিকূলতা এবং সম্ভাবনার মধ্যে পার্থক্যটি আরও সাবধানতার সাথে বিবেচনা করতে চাইতে পারেন।

দেখুন, উদাহরণস্বরূপ, প্রথম বাক্যটি এখানে , যা এটি যে মতভেদ স্পষ্ট করে তোলে তার সম্পূরক করার জন্য একটি সম্ভাব্যতা অনুপাত আছে। সুতরাং উদাহরণস্বরূপ, প্রতিকূলতা (পক্ষে) 1 থেকে 2 বাড়ানো সম্ভাবনা থেকে বৃদ্ধি পাওয়ার সমান12 প্রতি 23। সম্ভাবনা বৃদ্ধির চেয়ে প্রতিক্রিয়াগুলি দ্রুত বৃদ্ধি করে। খুব সামান্য সম্ভাবনার জন্য, প্রতিকূলতা-পক্ষে-থাকা এবং সম্ভাবনা খুব একই রকম হয়, যখন সম্ভাব্যতা ছোট হওয়ার সাথে সাথে প্রতিকূলগুলি ক্রমবর্ধমানভাবে একইরকম হয়ে যায় (অনুপাতটি 1 এ যাবে এই অর্থে) সম্ভাবনার প্রাপ্যতা। একটি বিজোড় অনুপাত কেবলমাত্র দুটি সেট বিজয়ের অনুপাত। বেস বিজোড় ধ্রুবক ধরে রাখার সময় বিজোড় অনুপাত বাড়ানো অন্যান্য প্রতিক্রিয়া বৃদ্ধির সাথে মিলে যায়, তবে সম্ভাবনার ক্ষেত্রে আপেক্ষিক পরিবর্তনের সাথে মিল থাকতে পারে বা নাও হতে পারে।

আপনি ঝুঁকি এবং সম্ভাবনার মধ্যে পার্থক্যটিও বিবেচনা করতে চাইতে পারেন (আমার আগের আলোচনাটি দেখুন যেখানে আমি হাতের avingেউয়ের কথা উল্লেখ করেছি; এখন আমরা পার্থক্যটি নিয়ে টককে দেখি না)। উদাহরণস্বরূপ, যদি কোনও সম্ভাবনা 0.6 হয় তবে আপনি এটি দ্বিগুণ করতে পারবেন না - তবে 0.6 এর তাত্ক্ষণিক বিপদ দ্বিগুণ করে 1.2 এ করা যেতে পারে। এগুলি একই জিনিস নয়, একইভাবে সম্ভাবনার ঘনত্বও সম্ভাবনা নয়।


2
+1 কেবল ইভেন্ট ইতিহাস বিশ্লেষণের কিছু ফর্মগুলি বিপজ্জনক ক্রিয়াকলাপের একটি পৃথক সংজ্ঞা ব্যবহার করে (যেমন, (টি) পৃথক সময়ের ইভেন্টের ইতিহাস মডেলগুলি হ'ল সময়ে ঘটে যাওয়া কোনও ঘটনার সম্ভাবনা টি এটির উপর শর্তসাপেক্ষ সেই সময়ের আগে ঘটেছিল না এবং যেমন হয় 2×0.6এই জাতীয় মডেলগুলিতে কোনও ধারণা রাখে না)।
অ্যালেক্সিস

1
ধন্যবাদ, এটি অবশ্যই প্রাসঙ্গিক। এটি এই সত্যের সাথে যুক্ত যে একটি বিচ্ছিন্ন পিএমএফ কোথাও 1 টি অতিক্রম করতে পারে না যখন একটি ঘনত্ব অবশ্যই পারে।
গ্লেন_বি -রিনস্টেট মনিকা

3

এটা একটা ভালো প্রশ্ন। তবে আপনি যা জিজ্ঞাসা করছেন তা পরিসংখ্যানটিকে কীভাবে ব্যাখ্যা করা উচিত তা নয় তবে অনুমিতিগুলি আপনার প্রতিটি মডেলকে (বিপদ বা লজিস্টিক) বিবেচনা করে। একটি লজিস্টিক মডেল একটি স্থিতিশীল মডেল যা পর্যবেক্ষণযোগ্য তথ্য প্রদত্ত নির্দিষ্ট সময়ে ঘটে যাওয়া কোনও ঘটনার সম্ভাবনা কার্যকরভাবে পূর্বাভাস দেয়। তবে একটি বিপত্তি মডেল বা কক্স মডেল একটি সময়কাল মডেল যা সময়ের সাথে বেঁচে থাকার হারকে মডেল করে। আপনি "আপনার লজিস্টিক রিগ্রেশন সহ একজন ননউজারের সাথে তুলনামূলকভাবে 75 বছর বয়সে সিগারেট ব্যবহারকারীর বেঁচে থাকার সম্ভাবনা কী হতে পারে" এমন প্রশ্ন জিজ্ঞাসা করতে পারেন (প্রদত্ত যে আপনার 75 বছর বয়স পর্যন্ত কোনও সহকর্মীর জন্য মৃত্যুর তথ্য রয়েছে) । তবে এর পরিবর্তে আপনি যদি আপনার ডেটা টাইম মাত্রার পূর্ণতার সুযোগ নিতে চান তবে একটি বিপত্তি মডেল ব্যবহার করা আরও উপযুক্ত।

শেষ পর্যন্ত যদিও এটি আপনি যা মডেল করতে চান তাতে নেমে আসে। আপনি কি বিশ্বাস করেন যে আপনি মডেলিং করছেন এটি একটি সময়ের ঘটনা? লজিস্টিক ব্যবহার করুন। আপনি যদি বিশ্বাস করেন যে আপনার ইভেন্টটি পর্যবেক্ষণযোগ্য সময়ের বর্ণালীতে প্রতিটি সময়কালের জন্য নির্দিষ্ট বা আনুপাতিক সম্ভাবনা রয়েছে? একটি বিপত্তি মডেল ব্যবহার করুন।

পদ্ধতিগুলি বাছাই করা উচিত আপনি কীভাবে পরিসংখ্যান ব্যাখ্যা করেন তার ভিত্তিতে হওয়া উচিত নয়। যদি এটি হয় তবে ওএলএস, এলএডি, টোবিট, হেকিট, চতুর্থ, 2 এসএলএস, বা অন্যান্য রিগ্রেশন পদ্ধতির হোস্টের মধ্যে কোনও পার্থক্য থাকবে না। পরিবর্তে আপনি অনুমান করার চেষ্টা করছেন যে অন্তর্নিহিত মডেলটি গ্রহণ করে তা আপনি কী রূপের উপর নির্ভর করেন তা তার পরিবর্তে এটি হওয়া উচিত।


-1 (মিশ্র) লজিস্টিক মডেল অবশ্যই সময়ের সাথে বেঁচে থাকার হারকে মডেল করতে পারে । উদাহরণস্বরূপ দেখুন অ্যালিসন, পিডি (1982)। ইভেন্টের ইতিহাস বিশ্লেষণের জন্য আলাদা সময় পদ্ধতিসমাজতাত্ত্বিক পদ্ধতি , 13 (1982), 61-98, বা অ্যালিসন, পিডি (1984)। ইভেন্টের ইতিহাস বিশ্লেষণ: দ্রাঘিমাংশের ইভেন্টের ডেটাগুলির জন্য সংক্ষিপ্তকরণ (খণ্ড 12)। সেজ বেভারলি পাহাড়, সিএ।
অ্যালেক্সিস
আমাদের সাইট ব্যবহার করে, আপনি স্বীকার করেছেন যে আপনি আমাদের কুকি নীতি এবং গোপনীয়তা নীতিটি পড়েছেন এবং বুঝতে পেরেছেন ।
Licensed under cc by-sa 3.0 with attribution required.