ロジスティック回帰によるバランスのとれたグループ親愛なるメンバー：ロジスティック回帰を使用してバイナリ応答変数を評価するときに、不均衡な治療グループ（たとえば、T1 = n40 vs T2 = n14）がどれほど重要であるかを知りたいです。 適切なサンプルサイズを使用する以外に、極端な不均衡と見なされるものを決定する方法はありますか？ LRはOLSと同じようにバランスの取れたグループを要求しますか？ JMPは「加重」LRを実行して、不均衡の影響を最小限に抑えることができますか？ 多くのThx。
分析DOERe：ロジスティック回帰を使用したバランスの取れたグループサンプルがロジスティック回帰で記述できる母集団の正直な表現である場合、重みを変更するとサンプルが歪められ、次にモデルが歪められ、次に母集団に対するビューが歪められます。 アンバランスは、ロジスティック回帰をフィッティングするための問題ではありません。 アンバランスが問題であると言うとき、何か他のものが働いているに違いありません。 サンプルに偏りがありますか？ ロジスティック回帰は正しい選択ですか？ 誤分類のコストは対称的ですか？ ..。 再重み付けは、最初と3番目の状況に対するパッチです。 ただし、重みの選択は実際のアプリケーションによって異なります。
