R-quadrato (U) nelle tabelle di contingenzaCiao a tutti,
Avevo una domanda sul rapporto di incertezza R-quadrato nelle tabelle di contingenza (posizionato nella stessa tabella di DOF e loglikelihood). Attualmente sto facendo ricerche in cui ho trovato un significato nel mio valore p (alfa=.05), ma il valore R-quadrato è vicino a 0. Ora, sono consapevole che in continuo vs continuo, viene utilizzato un valore R per determinare la correlazione tra le due variabili.
La mia domanda è: quale rilevanza ha il valore Rsquare in una tabella di contingenza sulle mie conclusioni?
Sono stato in grado di rifiutare l'ipotesi nulla tramite il mio valore p, ma come ho accennato in precedenza, Rsquare è molto vicino a 0, il che mi rende incerto se procedere con l'ipotesi alternativa in mente.
Grazie in anticipo!
Re: R-quadrato (U) nelle tabelle di contingenzaLa regressione logistica viene utilizzata con risposte categoriche. È analogo alla regressione lineare per una risposta continua, ma non è esattamente la stessa. L'analisi di regressione lineare della varianza si basa sulla somma delle deviazioni quadrate. La statistica del campione R quadrato è il rapporto tra la somma dei quadrati del modello e la somma dei quadrati totale corretta. Presuppone che la somma dei quadrati degli errori non includa effetti fissi non inclusi nel modello. Vale a dire, presuppone che il modello sia imparziale. Questo è importante perché la somma dei quadrati dipende dal modello selezionato. R quadrato è una misura delle prestazioni della previsione.
Il quadrato R (U) si basa sulla probabilità logaritmica negativa o sull'incertezza (U) dei parametri del modello. Questa statistica campionaria è il rapporto tra la differenza nella probabilità logaritmica dei modelli completo e ridotto e la probabilità logaritmica del modello ridotto. Come il caso della regressione lineare, presuppone che non vi sia una significativa mancanza di adattamento per devianza. R quadrato (U) è anche una misura delle prestazioni della previsione.
Non vedo come si possa ottenere il quadrato R per un modello logistico. Il quadrato R generalizzato è un tentativo di fornire un valore più vicino a quello che ci si aspetta dalla regressione lineare. È questo il valore a cui ti riferisci? Il significato e l'interpretazione del valore rettificato non sono chiari.
In generale, il quadrato R (U) per una risposta categorica è spesso molto basso per un modello con predittori significativi e nessuna mancanza di adattamento. Significa che c'è una grande incertezza nella risposta prevista.
Re: R-quadrato (U) nelle tabelle di contingenza@Mark_Bailey Puoi spiegare come interpretare il valore R^2(U)? R ^ 2 dice quanta variabilità può essere spiegata dall'equazione se ho capito bene, quindi R ^ 2 (U) dice lo stesso per una regressione logistica? Dato che questo valore è molto più piccolo, come interpreteresti quanto sia significativo? Sto lavorando con dati ecologici per il contesto. Sai se durante la segnalazione di un modello, vorresti utilizzare R ^ 2 (U) o R ^ 2 (che ho trovato nella finestra Fit Stepwise), quale numero è più rilevante per una regressione logistica?
Re: R-quadrato (U) nelle tabelle di contingenzaEccezionale,
Grazie!
Re: R-quadrato (U) nelle tabelle di contingenzaPuoi interpretare il Rquadrato (U) allo stesso modo in cui interpreteresti il file RQuadrato da una regressione lineare. IL RQuadrato si basa sulla somma dei quadrati: SS(modello) / SS(totale) . Rquadrato (U) allo stesso modo è -L(modello) / -L(ridotto) . Ti dice la proporzione dell'incertezza totale rappresentata dal modello, supponendo che sia il modello corretto.
Questa relazione è più facile da vedere Vestibilità logistica che dentro Contingenza Perché Contingenza riporta solo il -L(modello) . Questa è l'analisi di età di peso da Grande Classe tabella dei dati di esempio:
IL -L(modello) sopra è etichettato Differenza Qui. IL -L(totale) sopra è etichettato Ridotto Qui. IL Rquadrato (U) è pertanto Differenza / Ridotto = 5,037918 / 67,266350 = 0,0749 .
È comune che un modello statisticamente significativo di una risposta categorica mostri un valore molto basso Rquadrato (U) come dimostra questo esempio. Come il suo modello continuo RQuadrato controparte, indica l'andamento della previsione condizionale rispetto alla previsione marginale.
