名目ロジスティック回帰 -- ロジスティックフィットと予測プロファイラーは反対に表示されますこんばんは、よろしくお願いします！
私の修士プロジェクトでは、名目上のロジスティック回帰を実行して、侵入植物種の基底直径が増加するにつれて、除草剤の処理後に再発芽する可能性も増加することを示そうとしています。 データは確かにこれを示しているようで、予測プロファイラー (写真) もこれをサポートしているようですが、作成されたグラフは反対を示しているようです (写真)。
いくつかの質問：
1) データ ポイントがあちこちにあるのはなぜですか? 1か0のどちらかで表すべきではないでしょうか？
2) 応答が y 軸上で連続スケールになるのはなぜですか? これは予想通りの割合でしょうか？ 私の応答変数は右側に示されています。
3) なぜこの 2 つは反対に見えるのでしょうか? 何か私にできることはありますか？
変えてみた値の順序付け、しかし、同じ結果が得られました (反対の曲線)。
ありがとう！
Re: 名目ロジスティック回帰 -- ロジスティックフィットと予測プロファイラーは反対に見えるKevin の優れたアドバイスに従って、ロジスティック プラットフォームの JMP ドキュメントをお読みください。 それまでの間、具体的なご質問にお答えいたします。
- のモザイクプロットプラットフォームの上部では、横軸に連続予測値を使用します。 点が正しい側 (下または上) にあるように、縦座標の一様なランダム値を生成します。ロジスティック曲線。 この「トリック」は、データと適合性を視覚的に評価するのに役立つため、役立ちます。 これにより、近似曲線を決定したデータ ポイントの分布と質量が正確に描写されます。
- 応答は、確率結果の反応=レスプラウト、結果そのものではありません。 (多くのユーザーは単純にカテゴリレベルを 0 や 1 などの数値コードに置き換え、通常の最小二乗回帰を使用しますが、このアプローチは原則がなく、問題があり、通常は満足のいくものではありません。) 確率は、確率の動作と仮定に合わせてロジスティック回帰で変換されます。回帰の。
- 確率は [0,1] の範囲に制限されます。 線形回帰の応答にはまったく制限がありません。
- 確率曲線は直線ではありません。 予測変数の極値で漸近線を示します。 線形 (パラメータ内) 回帰では、(パラメータ内) 線形関係が仮定されます。 線形結合に予測子の変換 (X^2、X^3 など) を追加することはできますが、それでも実際に役立つほど十分に確率曲線を近似することはできません。
- 確率の変換は 2 段階で行われます。
- まず、確率は、反応=レスプラウトに変換されますオッズの反応=レスプラウト。 つまり、オッズ = P(反応=レスプラウト) / P (ではありません反応=レスプラウト) またはオッズ = P(応答=レスプラウト) / (1 - P(反応=レスプラウト））。 オッズは [0,+infinity] によって制限されます。 この変更は線形回帰にとって大きな改善ですが、十分ではありません。
- 次に、オッズは (自然) 対数関数を使用して log( ods ) に変換されます。 log( ods ) の範囲は [-infinity,+infinity] です。 この最後の変更は、回帰分析の無制限の線形応答の仮定を満たすものです。
- log( オッズ ) は、ロジットまたは logit( P( Resprout ) )。
- ロジスティック回帰モデルは、他の線形回帰と同様に、log( ods ) = a + bX、つまり X の線形関数になりました。 (必要に応じて、他の予測子変数、交互作用効果、および検出力も含めることができることに注意してください。)
- log( オッズ ) は、プロットと解釈のために、フィッティング後に確率に変換されます。
- 「反対」が何を意味するのか正確にはわかりませんが、例に示されている結果について説明させてください。
- モザイク プロットの右側を調べます。 の 2 つのレベルに注目してください。反応それらを区切るチェックマークが表示されます。 このスケールが示すのは、限界確率結果の。 原点 (0) から目盛りまでの距離は、第 1 レベルのケースの割合を示します。反応=レスプラウト。 チェックマークから上部 (1) までの距離は、第 2 レベルのケースの割合を示します。反応=なし。 右側の目盛りから左側の確率スケールまでまっすぐな水平線を引いた場合、それは回帰の帰無仮説、つまり次の確率を表します。反応=レスプラウト予測子に依存しない基礎測定。
- ロジスティック曲線を調べます。 それは、条件付き確率それ反応=レスプラウト。 これは回帰の対立仮説、つまり次の確率を表します。反応=レスプラウト予測子に依存します基礎測定。 その確率は、反応=レスプラウトがゼロに近いとき基礎測定は 5 に近いですが、次の場合、この確率は 1 に向かって上昇します。基礎測定40近いです。
ご興味がございましたら、あらゆる形式のロジスティック回帰と、カテゴリカルな応答に適したその他の手法については、こちらの記事で説明しています。 JMP ソフトウェア: 離散応答の解析コース。
Re: 名目ロジスティック回帰 -- ロジスティックフィットと予測プロファイラーは反対に見えるこんにちは、カスティール！
こちらこそ、こんばんは。
「ヘルプ」メニューにある『Fitting Linear Models』ブックの第 11 章「ロジスティック回帰モデル」を参照してください。 [ヘルプ] メニューの JMP ブックは非常に役立ち、応答やグラフの解釈に関する混乱を解決するのに役立ちます。
名目回帰モデルの近似確率の合計は常に 1 になります。両方のグラフは、基礎測定値が低い場合、レスプラウト確率がより低いことを示唆しています。基礎測定値が高いと、再芽の確率が高くなります。
それを証明しようとしてるんじゃないの？ グラフ (両方とも) はその仮説と一致しています。
