Logistic回歸可以從模擬數據中估計原始模型參數嗎？<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />我是JMP和Logistic回歸的新手，我想使用Logistic回歸測試模型參數的估計。我已經從模擬中輸入的模型參數（betas）中模擬了分類響應數據。我包括了所有不同類型的自變量；模型中的名義，有序和連續。然後，我使用隨機數生成器生成了每個自變量，計算了每個隨機生成的自變量實例的響應概率，然後根據計算出的響應變量概率生成了響應變量（1或0）。我重複此過程，直到我將大量數據點（每個數據“點”是-所有自變量和相應的響應變量的一個實例）輸入到邏輯回歸分析中為止。我的問題是：
1我可以期望Logistic回歸來估計原始Beta嗎？
2。當我增加數據點的數量時，估計值是否應漸近逼近beta（我用來生成數據）的真實值？
3。在邏輯回歸中通過虛擬變量方法估計的名義變量會發生什麼情況？我有一個具有3個標稱值的自變量，為此，我使用了3個相應的Betas值來生成模擬數據。回歸分析的輸出帶有兩個beta，第三個值是這兩個之和的負值（如果我正確理解該方法的話）。
在發展這種理解的任何幫助將不勝感激。
提前致謝。
Re：Logistic回歸可以從模擬數據估計原始模型參數嗎？我在這裡回復自己。但是，我做了很多模擬，這是我發現的結果。如果我模擬具有JMP假定的DOF的分類變量係數（beta）的數據，則我必須將N個模擬變量係數a1，a2，a3 .... aN的值分配為[a1，a2，a3 ... aN =-（a1 + a2 + a3 ... a（N-1）]。在這種情況下，可以通過對模擬數據運行Logistic回歸來正確估計原始值。如果我沒有根據約束條件使用最後一個係數aN：aN =-（a1 + a2 + a3 ... a（N-1），而只是給它分配了任意不同的值，則估計的係數估計值是不同的比原始值。但是，估計的beta會產生與從原始beta值計算出的概率相同的概率值。
Re：Logistic回歸可以從模擬數據估計原始模型參數嗎？Sectio 11.5.2對此進行了一些討論，特別是p。217我注意到參數估計值不是唯一的。但是，如果您使用與分析的參數化匹配的仿真模型（如我在第216-217頁所做的那樣），則通常可以驗證您的仿真是正確的。
Re：Logistic回歸可以從模擬數據估計原始模型參數嗎？謝謝。我查看了您的書的12.2.2節。該示例中的模擬包含連續變量，針對這些變量估計了beta。我的問題是關於作為虛擬變量實現的名義變量。因此，如果某個變量採用A1，A2和A3作為可能的值，例如具有係數b1，b2和b3，則JMP僅吐出與虛擬變量相對應的intercept和b1和b2。如何將這些估計值轉換為與用於模擬數據的原始b1，b2和b3進行比較？
Re：Logistic回歸可以從模擬數據估計原始模型參數嗎？1）是的，一般而言。
2）是的。
3）這取決於參數設置，但是參考水平通常與截距估計值結合在一起。
有關此主題的更多信息，請參見第11-12章。使用SAS模擬數據 ，尤其是第12.2.2節。
有關效果參數化的討論，請參見 SAS / STAT（R）12.3用戶指南
Re：Logistic回歸可以從模擬數據估計原始模型參數嗎？關於第三個問題，您試圖共同確定2個變量的係數，所以回到最初的協方差問題。
Re：Logistic回歸可以從模擬數據估計原始模型參數嗎？謝謝。 我沒有使用任何自變量之間的任何交互。每個IV彼此獨立。
您的回答使我可以嘗試一件事。我將使用一個變量對數據進行模擬，然後查看是否至少可以從模擬數據中估算“真實”β。
關於我的第三個問題，對代替名義變量使用的虛擬變量的解釋有什麼建議嗎？
Re：Logistic回歸可以從模擬數據估計原始模型參數嗎？我想說不，因為您無法解釋變量之間的協方差，但是今天我的統計知識非常模糊。
但是，通常，如果您的模型一次具有多個參數或具有任何交互條件，則可能無法重新創建Beta。
如果您要同時執行一個變量（單變量）。
