로지스틱 회귀에서 잔차를 저장하는 방법?<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />Fit Model 플랫폼에서 로지스틱 회귀를 수행했지만 잔차를 저장할 장소를 찾을 수 없었습니다. 어떤 아이디어? 대단히 감사합니다!
제목 : Re : 로지스틱 회귀에서 잔차를 저장하는 방법?분석은 피터가 설명한대로 수행되었거나 잔차는 물류 모델에서 확률 점수라고 부르는 것의 차이로 계산되었습니다. 0 / 1을 연속 응답으로 사용합니다 (표준 방법이라고 생각하지는 않습니다). 이것은 어떤 모델이 사용되고 있는지, 응답이 어떻게 처리되는지 (연속 대 범주 형) 및 잔차가 계산되는 방식에 대한 교실 토론을 보장한다고 생각합니다. 왜 그런지 질문이옵니다. 너 뭐하니? 에 모델? 왜? "모델 좋음"을 어떻게 측정하려고합니까? 등등. 행운을 빕니다!
제목 : Re : 로지스틱 회귀에서 잔차를 저장하는 방법?SPSS가 어떻게 작동하는지는 모르지만, 0과 1을 연속 응답으로 사용하는 좋은 구식 일반 최소 최소 회귀 모델에 적합하고 학생화 된 잔차를 저장 한 다음 레벨별로 잔차의 각 세트에 대한 분산 형 음모를 만든 것처럼 보입니다. 응답의. JMP에서 데이터 테이블을 설정하면 동일한 오류를 반복하여 범주 형 응답을 모델링 할 수 있습니다. 네 교수가 틀렸다는 걸 말해 줄 수는 없지만 ...
카렌의 초기 반응에 대한 조언을 따르는 것이 좋습니다. JMP를 사용하려는 경우 JMP 데이터 테이블의 응답을 문자 데이터 유형으로 정의해야합니다. 0과 1은 사용할 수 있지만 데이터 유형을 문자로, JMP 모델 유형을 명목으로 명확하게 지정해야합니다. 응답을 특성화하는 또 다른 방법은 0과 1보다 실제적인 의미가있을 수있는 구를 사용하는 것입니다. 어쩌면 JMP의 Column Recode 기능을 사용하여 '0'을 '음수'로, 1을 '양수'로 다시 코딩 할 수 있습니다. 나는이 기술이 결과를 전달할 때 유용하다는 것을 알았습니다. 왜냐하면 0과 1이 실제적인 관점에서 무엇을 의미하는지 기억할 필요가 없기 때문입니다.
그런 다음 JMP는 모델링 특성으로 명목상의 물류 회귀를 선택할 때 Fit Model 플랫폼에서 확인하도록 안내합니다. 본질적으로 JMP에서 열 속성을 올바르게 정의하면 ... JMP 실수로 인해이 문제에 대한 OLS 모델을 실행할 수 없습니다.
제목 : Re : 로지스틱 회귀에서 잔차를 저장하는 방법?대답 해 주셔서 감사합니다. 이것은 교수님이 SPSS에서 얻은 잔차입니다. 이것을 얻을 수있는 방법이 있습니까?
제목 : Re : 로지스틱 회귀에서 잔차를 저장하는 방법?물류 모델 : Y = 범주 형 변수. 일반적으로 여러분은 연속적인 (수치 적) 응답을 가질 때 예측값과 관측 값의 차이로 잔차를 생각합니다. 물류 모델의 경우 예측 모델을 저장할 수 있으며 테이블에 추가 된 열 중 하나는 "가장 가능성있는 결과"열입니다. 그런 다음이를 관찰 된 응답과 비교하여 범주에서 "잔여"또는 동의를 얻을 수 있습니다. 그러나 가장 가능성있는 결과는 0.5 확률 점수에서 각 결과에 대한 컷오프를 설정하는 것을 기반으로합니다. 물류 모델을 평가하기 위해 종종 ROC 곡선이 사용됩니다. 나는 관측 된 그룹을 차별화하는 내 점수에 컷오프 값이 있는지보기 위해 X에서 내 모델의 Y와 확률 점수로 관측 된 결과를 계획하고 싶다.
