লজিস্টিক রিগ্রেশনে ইন্টারসেপ্ট টার্ম

Question

ধরুন আমাদের কাছে নিম্নলিখিত লজিস্টিক রিগ্রেশন মডেল রয়েছে:

$$\text{logit}(p) = \beta_0+\beta_{1}x_{1} + \beta_{2}x_{2}$$

এবং হলে ইভেন্টের প্রতিকূলতা কি ? অন্য কথায়, এবং সর্বনিম্ন স্তরে থাকলেও এটি ইভেন্টটির প্রতিকূলতা রয়েছে (এমনকি এটি 0 না হলেও)? উদাহরণস্বরূপ, যদি এবং কেবল এবং এর মান নেয় তবে আমরা সেগুলিকে 0 এ সেট করতে পারি না।x 1 = 0 x 2 = 0 x 1 x 2 x 1 x 2 2 $\beta_0$$x_1 = 0$$x_2=0$$x_1$$x_2$$x_1$$x_2$$2$$3$

Comments

আমি বিশ্বাস করি আপনি স্ট্যাটাস.স্ট্যাকেক্সেঞ্জা.কম / প্রশ্নস / tions৯৪০২ এ উত্তরটি প্রকাশ এবং সহায়ক হিসাবে খুঁজে পেতে পারেন। সামান্য পরিবর্তন সহ, এটি সরাসরি আপনার পরিস্থিতিতে প্রযোজ্য।

— whuber

@ হুইবার: সুতরাং আমার উদাহরণে, এবং আমার ডেটার ব্যাপ্তির বাইরে? এবং এইভাবে এবং কোনও অর্থবহ ব্যাখ্যা নেই। x 2 = 0 β $x_1 = 0$$x_2=0$$\beta_0$

— লজিস্টিকু

Answer 1

x 1 = x 2 = 0 x 1 = x 2 = $\beta_0$ নয় মতভেদ ইভেন্টের যখন , এটা মতভেদ লগ । , এটি কেবলমাত্র লগের দ্বন্দ্ব যখন , যখন তারা সর্বনিম্ন অ-শূন্য মানের হয় না। $x_1 = x_2 = 0$$x_1 = x_2 = 0$

Comments

সুতরাং আমার পরিস্থিতিতে এর কোনও অর্থবহ ব্যাখ্যা নেই। $\beta_0$

— লজিস্টিকু

সুতরাং আপনার পরিস্থিতিতে এর অর্থপূর্ণ স্বাধীন ব্যাখ্যা নেই । প্রায়ই এটি হয়। এটি এখনও মডেলের একটি অবিচ্ছেদ্য অঙ্গ। আপনি যদি এটি মডেল থেকে বাদ দেন, বাকি মডেলগুলি (উদাহরণস্বরূপ, এর অনুমান ) পক্ষপাতদুষ্ট হবে। β$\beta_0$$\hat\beta_1$

— গুং - মনিকা পুনরায়

(+1) বিভিন্নভাবে আপনি ইন্টারসেপটি অর্থবহ করতে পারেন। উদাহরণস্বরূপ, আপনি লগ মতভেদ আগ্রহী যখন এবং তারপর regress বিরুদ্ধে এবং । অবশ্যই আপনি বর্তমান মডেলটিতে এবং দিয়ে একই মান পাবেন তবে ডিফল্ট সফ্টওয়্যার আউটপুটটি শূন্যের সাথে তুলনা করার জন্য স্বয়ংক্রিয়ভাবে একটি পরীক্ষা অন্তর্ভুক্ত করবে । x 3 = 3 পি x 1 - 2 এক্স 3 - 3 এক্স 1 = 2 এক্স 2 = 3 β 0 + 2 β 1 + 3 β $x_2=2$$x_3=3$$p$$x_1-2$$x_3-3$$x_1=2$$x_2=3$$\beta_0+2\beta_1+3\beta_2$

— হোবার

@ গুং: একইভাবে, অন্যান্য সমস্ত ভেরিয়েবল ধ্রুবক অবস্থায় রাখা হলে থেকে সাথে তুলনা করছে? x 1 = 3 x 1 = $\exp(\beta_1)$$x_1= 3$$x_1=2$

— লজিস্টিকু

হ্যাঁ, মতভেদ W / একটি 1-ইউনিট পরিবর্তন যুক্ত অনুপাত (যে কোন মূল্যবোধের 1-ইউনিট সরাইয়া সেট এটা হতে পারে) যখন সব অন্য অনুষ্ঠিত ধ্রুবক। x $\exp(\beta_1)$$x_1$

— গুং - মনিকা পুনরায়

Answer 2

এমন ক্ষেত্রেও থাকতে পারে যখন এবং একই সাথে সমান হতে পারে না । এই ক্ষেত্রে স্পষ্ট ব্যাখ্যা নেই।x 2 0 β $x_1$$x_2$$0$$\beta_0$

অন্যথায় এর একটি ব্যাখ্যা রয়েছে - এটি তার বাস্তব মানের থেকে সরিয়ে দেয়, যদি কোনও পরিবর্তনশীল এটি না করতে পারে।$\beta_0$

Comments

মনে রাখবেন আপনি ডলার চিহ্ন টেক্সট পরিক্ষেপ এখানে ছাপাখানার অক্ষরস্থাপন ক্ষীর ব্যবহার করতে পারেন, যেমন $x^{2}$উত্পাদন করে এবং উত্পাদন করেβ $x^2$$\beta_0$$\beta_0$

— Silverfish

Answer 3

আমি এটিকে অন্যভাবে দেখার পরামর্শ দিই ...

লজিস্টিক রিগ্রেশনে আমরা সম্ভাব্যতার সম্ভাবনা গণনা করে কিছু বাইনারি শ্রেণি {0 বা 1 pred পূর্বাভাস করি যা which এর আসল আউটপুট ।$\text{logit}(p)$

এটি অবশ্যই ধরে যে লগ- একটি রৈখিক ফাংশন দ্বারা বর্ণনা করা যেতে পারে - যেমন$\beta_0 + \beta_1x_1 + \beta_2x_2+ \dotsm$

... এটি একটি বড় অনুমান এবং কখনও কখনও সত্য হয় holds যদি এই উপাদানগুলির লগ-প্রতিক্রিয়াগুলির উপর স্বতন্ত্র, আনুপাতিক প্রভাব না থাকে, তবে অন্য কোনও পরিসংখ্যান কাঠামো চয়ন করা ভাল। অর্থাত, লগ- কিছু স্থির উপাদান দ্বারা গঠিত হয় এবং প্রতিটি ক্রমান্বয়ে শব্দ, দ্বারা ক্রমবর্ধমানভাবে বৃদ্ধি পায় ।$x_i$$\beta_0$$\beta_i x_i$

সংক্ষেপে, আপনি যে ঘটনা / শর্তের পূর্বাভাস দেওয়ার চেষ্টা করছেন তার লগ- বর্ণনা করার জন্য component মানটি সেই উপাদান উপাদান পদ্ধতিটির "স্থির উপাদান"। এছাড়াও মনে রাখবেন যে একটি রিগ্রেশন শেষ পর্যন্ত কিছু শর্তাধীন বর্ণনা করে, মানগুলির সেট দেয় । সেগুলো কোনটিই প্রয়োজন যে বা বাস্তবতার এ আপনার ডেটা 0 এমনকি সম্ভব হবে -values। কেবল বদল আনতে যে রৈখিক অভিব্যক্তি আপ বা ডাউন যাতে পরিবর্তনশীল উপাদান সবচেয়ে সঠিক।$\beta_0$$x_i$$x_i$$\beta_0$

আমি কিছুটা ভিন্ন মানসিকতায় একই জিনিসটি বলেছিলাম, তবে আমি আশা করি এটি সাহায্য করবে ...