GLM과 일반화 회귀(이항, 로짓)의 차이점안녕!
JMP에서 두 가지 접근 방식을 사용하여 동일한 데이터를 분석했습니다.
1) 일반화 선형 모델, 이항, 로짓
2) 일반화 회귀, 이항, 로짓
보시다시피 p-값이 다릅니다. 이유를 자세히 설명해 주시겠습니까?
다른 p-값을 갖는 이러한 결과를 어떻게 해석할 수 있습니까?
초기 데이터 세트는 다음과 같습니다.
Re: GLM과 일반화 회귀의 차이점(이항, 로짓)로짓 연결 함수가 있는 이항 일반화 선형 모델은 2가지 결과(예: 질병/건강, 남성/여성, 구매/미구매)가 있는 범주형 응답 변수에 대한 로지스틱 회귀 모델입니다.명목 로지스틱 회귀는 일반적으로 3개 이상의 범주 응답 변수 수준(예: 좋아하는 아이스크림 맛: 초콜릿/바닐라/딸기/기타)이 있는 로지스틱 회귀를 나타냅니다.이것이 당신이 요구한 것입니까?
Re: GLM과 일반화 회귀의 차이점(이항, 로짓)나는 당신의 질문을 이해하지 못합니다.
Re: GLM과 일반화 회귀의 차이점(이항, 로짓)@Mark_Bailey 안녕 마크! 또한 로짓과 명목 로지스틱 회귀를 수행하는 이항 GLZ의 차이점을 설명할 수 있습니까? 제공된 옵션이 다른 테스트를 이해하지만 그 이유를 알려주실 수 있습니까?
Re: GLM과 일반화 회귀의 차이점(이항, 로짓)GLM 모델은 MLE를 사용하여 적합했습니다. 일반화 회귀 모델은 LASSO를 사용하여 적합했습니다. LASSO는 벌칙 회귀의 한 형태입니다. 변수 선택에 대한 추정치에 대한 페널티로 L-1 표준을 사용합니다. 변수를 선택하더라도 추정치는 패널티의 영향을 받습니다. 발견된 차이점은 페널티 때문입니다. Wald Chi-square도 변경되도록 추정치와 추정치의 표준 오차를 변경합니다.
하지만 나는 생각하다 모델을 설정하는 방식에 실수가 있을 수 있습니다. 이항 응답의 경우 성공과 실패를 모두 제공해야 합니다. 성공만 제공한 것으로 보입니다. 또한 관찰 횟수가 잘못되었습니다. N번의 시도에서 입증된 바와 같이 4개 이상의 관찰이 있습니다.
이 모델을 다음과 같이 수정합니다. 실패를 얻기 위해 N 시행에서 성공을 뺍니다. 성공 및 실패 열을 누적합니다. 빈도 분석 역할의 개수가 있는 열과 응답 또는 Y 역할로 레이블 열(성공 및 실패)을 사용합니다.
두 요인은 범주형이므로 명목 모델링 유형을 사용해야 합니다. 이제 데이터 테이블은 다음과 같습니다.
분석 > 모델 적합을 선택하고 다음과 같이 시작 대화 상자를 채웁니다.
적합한 성격을 위해 명목형 로지스틱 회귀 선택을 남겼지만 이 시점에서 이항 분포 및 로그인 링크 기능이 있는 GenReg 또는 GLM을 선택할 수 있습니다.
