이항 분포 및 로짓 함수를 사용하는 명목 로지스틱 대 GLM모두 안녕하십니까,
내 결과를 잘못 해석하지 않기 위해 답변을 받고 싶습니다.
변수가 결과 암을 예측할 수 있는지 평가하여 이진 반응 변수 (0/1)를 평가하는 다변량 분석을 수행해야합니다. 이분법적인 Y와 내 모델의 다중 예측자를 사용하여 먼저 명목 로지스틱 회귀 ,하지만이 경우 " 불안정한 ”추정치이므로 신뢰할 수 없습니다. 동일한 출력에서 나는 가능성 비 테스트 내 관심 변수에 중요합니다.
그 후 나는 대신 이항 분포 및 로짓 함수가있는 GLM 모델 , 선택 첫 번째 조정 (데이터의 준 완전 분리에 대한 경고를 받았기 때문에). 이런 식으로 중요한 추정치와 p- 값을 얻었습니다.
이제 이항 분포 및 로짓 연결 함수를 사용하여 GLM 모델을 피팅하는 것이 로지스틱 회귀 여야한다는 것을 알고 있습니다. 틀렸습니까? 나는 왜 동일한 결과를 얻지 못했는지, 차이점이 무엇인지, 그러한 결과의 근거에서 추론 할 수있는 가장 중요한 것이 무엇인지 이해하지 못합니다.
- 이 모델 (GLM 모델)을 로지스틱 회귀 아니면 아니?
- GLM 모델의 매개 변수 추정 테이블에서 LR ChiSquare LRT와 마찬가지로 Prob> ChiSq는 GLM 모델 (Firth 조정 전)과 LRT간에 동일합니다. 로지스틱 회귀 또는 LRT와 같은 내 GLM 모델의 추정치를 어떻게 해석해야합니까? 로지스틱 회귀에 대해 Firth 조정이 이루어지지 않습니까?
- 결론적으로 GLM 모델에서만 중요한 결과를 얻을 수 있다고 추론 할 수있는 것은 무엇입니까?
사전에 대단히 감사합니다
안토니
추신. 두 모델 모두 적합하지 않을 수 있지만 샘플 크기로 할 수있는 작업입니다. 감사합니다.
해석학Re : 이항 분포 및 로짓 함수를 사용하는 명목 로지스틱 대 GLM안녕하세요,
우선, 예상치가 불안정한 것이 걱정입니다. 그 이유를 알아 보려면 몇 가지 작업을해야합니다. 스크린 샷만으로는 이해하기 어렵고 영어 이외의 언어는 잘 못합니다. ).
다음을 사용하여 이진 응답 모델에 대해 저장된 스크립트가있는 당뇨병 데이터 세트 버전을 첨부했습니다.
- 로지스틱 회귀,
- GLM (로짓 링크 포함 이항),
- Firth 바이어스 조정 기능이있는 GLM.
모델 1과 2에 대한 효과 가능성 비율 테스트가 동일하다는 것을 알 수 있습니다. Firth bias 조정은 예상대로 통계를 변경합니다.
JMP 도움말 문서에서 찾을 수 있습니다.
Firth Bias-Adjusted 추정값
Firth 편향 조정 방법을 사용하여 모형을 적합하도록 지정합니다. 이 최대 우도 기반 방법은 편향 보정을 사용하지 않는 최대 우도 기반 모델보다 더 나은 추정 및 검정을 생성하는 것으로 나타났습니다. 또한 편향 수정 된 MLE는 로지스틱 유형 모델에서 발생하는 경향이있는 분리 문제를 개선합니다. 로지스틱 회귀 분석의 분리 문제에 대한 자세한 내용은 Firth (1993) 및 Heinze and Schemper (2002)를 참조하십시오.
이게 도움이 되길 바란다,
필
Re : 이항 분포 및 로짓 함수를 사용하는 명목 로지스틱 대 GLM안녕하세요,
친절한 답변에 감사 드리며 이탈리아 스크린 샷에 대해 죄송합니다!
예, Effect Likelihoodratio 테스트가 모델 1과 2에서 동일하다는 것을 알았습니다. 또한 모형 2의 모수 추정치에 대한 p- 값이 Firth 조정 이전에 정확히 동일하다는 것을 알았습니다.
조정 후 (모델 2에서만 가능) 추정치와 p- 값을 제대로 이해할 수없는 모델 1에는없는 다소 신뢰할 수 있거나 이해할 수있는 추정값이 있습니다. 그러나 모델 3에서는 모수 추정 및 효과 가능성 비율 검정에 대해 동일한 p- 값을 여전히 얻습니다. 따라서 중요한 p가 있거나 모델 2를 Firth-adjusted logistic regression이라고 부를 수 있다면 모델 2 또는 3의 모수 추정치에 대해 말할 수 없습니다.
불안정성에 관해서는 케이스에 비해 통제가 거의 없기 때문에 불안정한 추정치를 얻는다고 생각합니다. 지금은 수정할 수 없습니다.
그래서 마지막 질문은 : 모델 3의 결과에 따라 무엇을 확인할 수 있습니까?
정말 감사합니다
안토니
Re : 이항 분포 및 로짓 함수를 사용하는 명목 로지스틱 대 GLM안녕하세요,
우선, 내 예에 대한 몇 가지 설명 :
- 모델 1과 2는 우도 비 검정에 대해 동일한 p- 값 (및 기타 통계)을 갖습니다. JMP의 보고서에는 약간의 차이가 있지만 기본적으로 동일한 모델입니다. 로지스틱 회귀와 이항 분포 및 로짓 링크가있는 GLM은 동일합니다. 로지스틱 회귀는 GLM의 특별한 경우입니다.
- 당신 할 수있다 모델 3을 Firth 조정으로 로지스틱 회귀라고 부릅니다.
- 모델 3 하지 않습니다 다른 모델과 동일한 p- 값 및 통계를 갖습니다. Firth 조정을 사용하면 예상치가 조정됩니다 (놀랍지 않습니다!).
나는 Firth Adjustment의 전문가가 아닙니다. 사실 나는 그것이 어떻게 작동하는지에 대한 진정한 이해가 없습니다.
따라서 모델 3 버전의 결과를보고 할 수 있습니다. Firth 조정을 사용한 로지스틱 회귀라고 말할 수 있습니다. 일반적인 방식으로 가설 검정을 지원하기 위해 p- 값을보고 할 수 있습니다. 그러나 Firth 조정 없이는 모델이 불안정하다고 말해야 할 것입니다.
다시 말하지만, 모델이 불안정한 이유를 말할 수 없습니다. 그러나 나는 그것이 걱정되어야한다고 말할 수있다.
모델의 p- 값을 결정적인 증거로보고하는 것은 절대 권장하지 않습니다. JMP는 시각적 탐색 환경입니다. 통계 모델을 맞추기 전에 항상 플롯을 사용하여 데이터의 품질을 확인하고 데이터의 동작을 이해합니다. 이 경우 데이터를 시각적으로 살펴보면 일부 모델이 불안정한 이유를 이해하는 데 도움이 될 수 있습니다.
Re : 이항 분포 및 로짓 함수를 사용하는 명목 로지스틱 대 GLM방금 "데이터의 준 완전 분리"를 검색 한 결과 이 . 이것은 이것이 의미하는 바를 설명하고 그것이 어떻게 불안정한 추정으로 이어지는지를 설명합니다. 또한 Firth 조정이 어떻게 도움이되는지.
동일한 3 개 모델 (Logistic, GLM, GLM with Firth)을 스크립트로 저장 한 데이터 테이블로 사용하는 예제를 첨부했습니다.
이게 도움이 되길 바란다.
필
