? 다시 : 서수 로지스틱 회귀 분석, 비선형 예측 변수<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />여보세요,
나는 죽음의 나이를 예측하기위한 일련의 예측 방정식을 만들기 위해 내가 가지고있는 데이터에 서수 로지스틱 회귀 함수를 사용할 수 있는지 알아 내려고하고있다. 내 반응 변수는 ordinal (청소년, 젊은 성인, 중간 성인, 노인)이며 내 예측 변수는 연속이지만 두 변수는 비선형입니다. 예측 변수를 변형하려고 시도했지만 선형 솔루션을 찾지 못하는 것 같습니다. 필자가 올바르게 읽은 경우 JMP의 서수 논리 회귀 분석은 일반 선형 모델을 기반으로하므로 내 비선형 응답 변수 (이 변수의 수단에 따라 결정됨)로 인해 함수를 사용할 수 없게됩니다. 연령 카테고리별로 그래프로 나타냅니다. 즉, 평균값은 성인 중반의 점근선으로 상승한 다음, 노년기의 가치가 떨어 집니까?) 비선형 플랫폼을 사용하여 분석을 시도했지만 Y 변수가 연속적이지 않기 때문에주의 메시지가 나타납니다.
* 모든 건설적인 조언을 많이 부탁드립니다! 또한 가장 기본적인 수준에서 물류 모델의 가정을 올바르게 이해하고 있습니까?
많은 감사합니다,
케이트
다시 :? 다시 : 서수 로지스틱 회귀 분석, 비선형 예측 변수독립 변수에 대한 가정은 선형성이 아닙니다 (그리고 나는 그것이 무엇을 의미하는지조차 모릅니다).
일반화 된 선형 모델은 모델이 선형 조합임을 의미하지만 용어 자체는 2 차적 수 있습니다. 비선형 모델은 선형 방식으로 표현 될 수없는 용어의 통계 (최대 / 최소) 및 / 또는 나눗셈 / 곱셈을 가질 수 있습니다.
y = x + x ^ 2는 여전히 GLM입니다.
y = cx / ax는 비선형 모델입니다.
다시 :? 다시 : 서수 로지스틱 회귀 분석, 비선형 예측 변수안녕하세요,
에서 선의 회귀 모델의 경우 응답 변수가 계속됩니다.
에서 물류 회귀 모델의 경우, 응답 변수는 이분법입니다. 그래서 우리는 적절한 링크 함수 (probit, logit)를 선택하여 모델링합니다.
모든 GLM 모델에서 예측 변수는 연속적이고 이산적일 수 있습니다 (공칭, 서수).
나는 이해하지 못한다 (그러나 두 개는 비선형 임).
"내 반응 변수는 ordinal (청소년, 젊은 성인, 중년 성인, 노인)이며, 네 가지 예측 변수는 연속이지만 2 개는 비선형입니다. "
응답 변수는 서수입니다. 그래서 당신은 그것을 4 로지스틱 회귀로 나눌 수 있습니다 :
- 그것이 "사춘기"코드 1 일 경우, 다른 코드 0 ->이 이분법적인 응답과 기타 모든 예측 변수로만, 로지스틱 회귀를 모델링하십시오.
- "젊은 성인"코드 1, 다른 코드 0 ->이 이분법적인 응답 및 다른 모든 예측 변수가있는 경우, 로지스틱 회귀를 모델화하십시오.
- "중간 성인"코드 1, 다른 코드 0 ->이 이분법적인 응답 및 다른 모든 예측 변수가있는 경우, 로지스틱 회귀를 모델화하십시오.
- "중간 성인"코드 1, 다른 코드 0 ->이 이분법적인 응답 및 다른 모든 예측 변수가있는 경우, 로지스틱 회귀를 모델화하십시오.
앞에서 언급 한 것처럼 서수 로지스틱 회귀 분석에 적합 할 수도 있습니다. 이것을 확인하십시오. 예 JMP 웹 사이트.
이 모델에 대한 자세한 통계 정보는 Wiley, Alan Agresti의 "범주 형 데이터 분석 소개"또는 "범주 형 데이터 분석"을 참조하십시오.
