Interprétation de régression logistique multivariableBonjour,
J'ai utilisé une régression multiple pour explorer les fonctionnalités importantes de la course. J'ai beaucoup de difficulté à interpréter ces résultats. Y a-t-il quelqu'un qui pourrait donner quelques conseils? J'ai lu le portail de connaissances statistiques toute la journée et les choses ne sont pas encore claires.
Merci,
Scouse.
Re: Interprétation de régression logistique multivariablePourriez-vous fournir certains de ces résultats? Y a-t-il des questions spécifiques auxquelles vous voulez une réponse? Un peu plus d'informations sont nécessaires pour essayer de vous aider.
Re: Interprétation de régression logistique multivariableBonjour Dan
Merci pour votre réponse rapide.
Voici ce que j'ai du mal à comprendre: -
1. Quelle est la différence entre Réel par parcelle prédite (AbPP) et Parcelle à effet de levier (LP) - pourquoi AbPP a-t-il une valeur P, Rsq et RMSE, alors que le LP n'a qu'une valeur P?
2 Résumé des effets - signalez-vous LogWorth ou uniquement les valeurs P?
3 Summray of Fit - Existe-t-il un guide pour évaluer votre erreur quadratique moyenne? (le mien est 0,0977 - est-ce bon ou mauvais)
4 Analyse de la variance - que faut-il signaler ici?
Merci,
Scouse
Re: Interprétation de régression logistique multivariable1) La régression logistique multiple n’a pas de graphique à effet de levier.
Un modèle de régression pour une réponse continue comportera à la fois le tracé observé et le tracé à effet de levier. Obs. vs pred plot vous donne des informations sur l'ensemble du modèle. Le modèle entier contient des statistiques telles que le carré, une valeur p globale et le RMSE. Les graphiques à effet de levier vous fournissent des informations sur chaque terme du modèle.
2) Vous pouvez déclarer l'une ou l'autre valeur, mais ce que vous déclarez dépend de la personne à qui vous signalez ces résultats. Si vous prenez le négatif de la base de journal 10 de la valeur p, vous obtiendrez le LogWorth. C'est la même information, juste rapportée à une échelle différente.
3) L’erreur quadratique moyenne est les différences sont entre la réponse et p (la probabilité ajustée pour l'événement qui s'est réellement produit). Cela signifie généralement qu’une valeur basse est préférable car elle indique que la réponse et p sont plus proches. Par exemple, une observation peut avoir pour résultat "True". Si le modèle prédit que la probabilité de l'événement True est de 0,6, la valeur RMSE aurait alors une valeur de 1 à 0,6 = 0,4 ^ 2 = 0,16 pour cette observation. Additionnez ces "déviations" et divisez-les par n pour obtenir le RMSE (la formule est présentée avec le résultat). Il m'est impossible de savoir quel est le bon chiffre, car cela dépendra du nombre d'observations.
4) Je ne peux pas vous dire quoi signaler. Cela dépendra des informations que vous souhaitez communiquer et des personnes avec lesquelles vous communiquez au minimum. Dans certains cas, vous n'aurez peut-être pas besoin de rapporter les résultats de l'analyse de la variance. Ce n'est pas une question de statistique.
Re: Interprétation de régression logistique multivariableMerci Dan,
Certaines informations vraiment excellentes ont été décomposées pour un «homme laïque». Appréciez vraiment votre temps et vos efforts.
