다항 로지스틱 회귀 플롯 해석다음은 로지스틱 회귀에 대한 두 개의 플롯으로 왼쪽은 순서형 응답이고 오른쪽은 다항식 응답입니다. 둘 다 k가 수준 수인 k-1 곡선을 갖지만 확률 해석 측면에서 둘 다 누적됩니까? 즉, 각 곡선의 특정 X 값(자동차 중량)에서의 확률은 해당 수준의 자동차 크기와 그 아래의 모든 수준에 대한 전체 확률입니다. 순서도와 명목도를 같은 방식으로 해석하여 특정 중량 값에서 특정 자동차 유형에 대한 확률을 얻는다면 두 개의 플롯이 매우 다르게 보이는 이유는 무엇입니까? 하나는 순서형이고 다른 하나는 명목형인 응답 유형 때문입니까? JMP에서는 분석과 해석이 더 쉽기 때문에 명목 응답에 대해서도 순서형 로지스틱 회귀를 사용하도록 권장한다는 인상을 받았습니다. 그러나 결과가 여기에 표시된 것과 같이 매우 다를 경우 명목 응답에 대해 순서형 로지스틱 회귀를 사용하지 않아야 합니다. 모든 의견을 주시면 감사하겠습니다. 감사 해요.
해석학제도법다른Re: 다항 로지스틱 회귀 플롯 해석명목 응답과 순서 응답에 대한 로지스틱 회귀 모델의 차이는 로짓 변환 응답의 승산입니다. (둘 다 다항 응답입니다.) 서수 응답은 '누적 로짓'을 사용하고 명목 응답은 '일반화된 로짓'을 응답으로 사용합니다. 반응 변수 Y에 K 수준이 있다고 가정합니다. 확률의 합이 1로 제한되므로 K-1 로짓이 있습니다. 두 가지 유형의 로짓은 누적 로짓입니다.
일반화된 로짓:
두 로짓은 다른 선형 예측 변수를 추가로 사용합니다. 순서형 로지스틱 회귀는 누적 로짓을 활용하고 각 로짓에 대해 다른 절편(상수) 항을 추정하지만 예측 변수 항에 대해 공통 매개변수를 사용합니다. 반면에 명목 로지스틱 회귀는 각 로짓에 대해 고유한 매개변수 집합을 사용합니다. Logistic 플랫폼의 Parameter Estimates 테이블을 검사하여 이 주장을 확인할 수 있습니다.
Re: 다항 로지스틱 회귀 플롯 해석안녕 @JMP38401 ,
분석은 동일한 것을 보여주지만 차량 유형을 중량별로 올바르게 "분류"하지만 하나는 중량 값의 정렬된 목록으로 간주되는 반면 다른 하나는 연속 중량 값 세트로 간주되기 때문에 다른 방식으로 수행합니다. 반드시 값에 따라 정렬되지는 않습니다. 또한 이 때문에 서로 다른 적합치에 대해 모수 추정치가 다르다는 것을 알 수 있습니다.
둘 다 지적한 대로 k-1 곡선을 가지고 있지만 곡선으로 경계를 이루는 k 영역이 있습니다. 차량 유형에 따라 행에 색상을 지정하면 도움이 될 수 있습니다. 행 > 색상 또는 열로 표시 > 유형 선택. 그런 다음 맞춤을 볼 때 로지스틱 맞춤이 기본적으로 데이터를 분할한 방법을 볼 수 있습니다. Car Physical Data.jmp 파일에서 아래 예를 참조하세요. 가중치를 순서대로 처리하는 것이 적합 모델 그래프에서 해석하기 쉽고 약간 더 나은 적합을 제공합니다. 각 적합의 예측 공식을 데이터 테이블에 저장한 후 적합 모델 플랫폼에서 "가장 가능성이 높은 유형"을 X로 사용하고 유형을 Y로 사용할 수 있습니다. Fit Details를 보면 체중에 대한 적합 통계가 서수인 것이 약간 더 나은 것을 알 수 있습니다.
맞춤에 대한 나의 이해는 응답의 각 수준(-1 수준)이 선형 맞춤 함수를 기반으로 고유한 확률 곡선을 얻은 다음 로지스트 함수를 사용하여 누적 확률로 변환한다는 것입니다. 그런 다음 다음 누적 값에서 하나의 누적 값을 빼서 각 유형에 대한 확률을 계산합니다. 최종 수준은 모든 확률의 합이 1이 되도록 하는 나머지입니다. X 인자가 서수인 경우입니다. 연속적인 경우에는 다르게 처리하고 확률 함수에 대한 계산을 다르게 수행합니다. 두 경우 모두 유형에 대한 확률에 대해 If Max() 함수를 평가하여 가장 가능성 있는 유형을 결정합니다. 그 중 값이 가장 큰 항목이 무엇이든 가장 가능성이 높은 차량 유형을 해당 행에 할당합니다. 두 적합성은 각각 약 55%의 오분류율을 가지고 있기 때문에 그다지 좋지 않습니다. 이는 실제로 매우 높습니다.
도움이 되었기를 바랍니다!,
DS
Re: 다항 로지스틱 회귀 플롯 해석자세한 설명 감사합니다. 명목 곡선과 순서 곡선이 모두 누적되므로 순서도는 중량이 2000파운드인 자동차가 스포티한 자동차일 확률이 70% 이상임을 나타내지만 명목상 곡선은 중량이 2000파운드인 자동차가 소형차일 확률이 100%에 가깝습니다(명목 플롯에서 x의 2000lbs에서 0보다 약간 높은 스포츠카 곡선). 누군가는 이 예에서 응답 유형이 명목 또는 순서가 될 수 있다고 주장할 수 있지만 예측은 적어도 2000lbs의 특정 자동차 무게에 대해 너무 다릅니다. R^2가 높고 오분류 비율이 약간 낮은 명목 모델을 사용해야 한다고 생각합니다.
Re: 다항 로지스틱 회귀 플롯 해석DS 감사합니다
