208864_it-IT

liliconcom

Interpretazione della regressione logistica multivariabile

Ciao,

 

Ho usato una regressione multipla per esplorare le funzionalità importanti in esecuzione.  Sto trovando molto difficile interpretare questi risultati.  C'è qualcuno che potrebbe per favore offrire qualche consiglio? Ho letto tutto il giorno il portale delle conoscenze statistiche e le cose non sono ancora chiare.

Grazie,

Scouse.

Ri: Interpretazione della regressione logistica multivariabile

Potresti fornire alcuni di questi risultati? Ci sono domande specifiche a cui vuoi rispondere? Sono necessarie ulteriori informazioni per cercare di aiutarti.

Ri: Interpretazione della regressione logistica multivariabile

Ciao Dan,

 

Grazie per la tua risposta veloce.

 

Ecco cosa sto cercando di capire:

 

1.  Qual è la differenza tra Actual by Predicted Plot (AbPP) e Leverage Plot (LP) - perché l'AbPP ha un valore P, Rsq e RMSE, ma l'LP ha solo un valore P?

2.  Riepilogo degli effetti: stai segnalando LogWorth o solo i valori P?

3.  Summray of Fit - Esiste qualche guida per valutare l'errore di errore quadratico medio? (il mio è 0.0977 - è buono o cattivo)

4.  Analisi della varianza - cosa dovrebbe essere segnalato da qui?

Grazie,

 

Scouse

Ri: Interpretazione della regressione logistica multivariabile

1) La regressione logistica multipla non ha diagrammi di leva.

    Un modello di regressione per una risposta continua avrà sia la trama osservata che quella predetta e i grafici a leva. Obs. rispetto a trama pred fornisce informazioni sull'intero modello. L'intero modello ha statistiche come R-square, un p-value generale e RMSE. Leverage I diagrammi ti forniscono informazioni su ogni singolo termine nel modello.

 

2) È possibile riportare entrambi i valori, ma ciò che si riferisce dipenderà da chi si sta segnalando tali risultati. Se si prende il negativo della base 10 del log del valore p, si otterrà LogWorth. È la stessa informazione, appena riportata su una scala diversa.

 

3) Errore quadratico medio è le differenze sono tra la risposta e p (la probabilità adattata per l'evento effettivamente accaduto). Questo in genere significa che un valore inferiore è migliore perché indica che la risposta e p sono più vicini. Ad esempio, un'osservazione può avere un risultato di "Vero". Se il modello prevede la probabilità che l'evento True sia 0.6, il valore RMSE dovrebbe avere un valore di 1 - 0.6 = 0.4 ^ 2 = 0.16 per quella osservazione. Sommare quelle "deviazioni" e dividere per n per ottenere l'RMSE (la formula viene presentata con l'output). Non c'è modo per me di sapere quale sia un buon numero poiché dipenderà dal numero di osservazioni.

 

4) Non posso dirti cosa segnalare. Ciò dipenderà dalle informazioni che desideri comunicare e da chi stai comunicando al minimo. In alcuni casi, forse non è necessario riportare i risultati dell'analisi della varianza. Altre volte lo farai. Questa non è una domanda statistica.

Ri: Interpretazione della regressione logistica multivariabile

Grazie Dan,

 

Alcune informazioni davvero eccezionali sono state suddivise per un "uomo della laici".  Apprezza realmente il tuo tempo e la tua fatica.