절편 없이 로지스틱 회귀를 실행할 때 절편이 있는 모델보다 약 25-30포인트 높은 매우 높은 일반 RSquares를 관찰한 사람이 있습니까?예측할 결과 변수가 0/1인 몇 가지 다른 프로젝트에서 가로채기 없음 상자를 선택하는 로지스틱 회귀(일반화, 이항 분산 사용)를 실행하면 일반화된 R 제곱이 약 25~30% 포인트 증가한다는 사실을 알게 되었습니다.내 최신 모델은 경험 기간 인구의 약 1.2%에서 관찰되는 드문 이벤트에 대한 것입니다.절편이 있는 예측 모델은 약 .60 ~ .67에서 일반화된 R 제곱을 산출하지만 절편이 없는 모델은 약 .95 ~ .98입니다.예측 가능성이 높은 몇 가지 주요 변수가 있으므로 처음에는 90% 이상의 Gen R 사각형이 합리적이라고 생각했습니다.그러나 혼동 행렬은 내가 원하는 것보다 더 많은 오류를 보여주며 임계값을 2%-5%로 낮추기도 합니다.저는 절편 없음이 동전 던지기, 확률 = 0.50과 같이 절편이 0이므로 상수 항에 대한 블라인드 로그 승산비를 의미한다는 아이디어를 좋아합니다. 그러나 아마도 이러한 모델은 (L0=절편 전용 모델) 대 (X 예측 변수가 있는 LM 적합 모델)의 우도 비율에 따라 일반화된 R 제곱을 부풀리기 때문에 이길 수 없습니다.특히 결과 이벤트가 드물다는 것을 사전에(선험적으로) 알고 있는 경우.그래서 일반화된 R 스퀘어가 95~98% 정도 되는 브리핑을 쓰는 것도 좋겠지만, Gen R Square에서 60%로 들어오는 절편이 있는 모델을 사용한다면 좀 더 신중하고 실용적일 수 있다고 생각합니다. .저에게 조언이 있으시면 회신해 주십시오.감사해요!
해석학다른Re: 절편 없이 로지스틱 회귀를 실행할 때 절편이 있는 모델보다 약 25-30포인트 높은 매우 높은 일반 RSquares를 관찰한 사람이 있습니까?나는 몇 가지 예에서 절편이 있는 모델과 없는 모델을 비교했고 항상 반대 경향을 관찰했습니다. 모델에 절편 항이 포함되었을 때 R 제곱 메트릭이 더 좋았습니다. 보고한 결과를 재현할 수 있으면 JMP 기술 지원( support@jmp.com ) 해상도를 얻으려면. 커뮤니티의 이익을 위해 발견한 내용을 캡처하려면 이 토론에 답장을 보내주십시오.
Re: 절편 없이 로지스틱 회귀를 실행할 때 절편이 있는 모델보다 약 25-30포인트 높은 매우 높은 일반 RSquares를 관찰한 사람이 있습니까?예, 오늘 JMP 지원팀에 예제 JMP 파일을 보냅니다.절편이 없는 모델의 일반화 RSquare는 98%이고 절편이 있는 모델의 일반화 RSquare는 55%입니다.커뮤니티를 계속 포스팅하겠습니다.
Re: 절편 없이 로지스틱 회귀를 실행할 때 절편이 있는 모델보다 약 25-30포인트 높은 매우 높은 일반 RSquares를 관찰한 사람이 있습니까?안녕하세요, 오늘 아침에 JMP 지원으로부터 모델링 시 JMP를 보다 효율적으로 사용하고 아직 사용하지 않은 몇 가지 기술을 시도하는 데 도움이 되는 수많은 제안과 함께 자세한 답변을 받았습니다.응답(Patrick Giuliano)은 이 기사와 조언을 참조했습니다. ""다양한 접근 방식"의 중요성은 공통적이고 방어 가능한 솔루션으로 이어집니다. 라빈, M.에서, 빈도주의자, 베이즈 또는 기타? (편집 The AMERICAN STATISTICIAN, 2019, VOL. 73, NO. 51, 1-19에 요약): 1. 데이터에 잘 맞는 많은 모델에서 결과를 찾아 제시합니다. 2. 절차뿐만 아니라 모델을 평가하십시오."
본질적으로, 가로채기 없는 모델에 대한 매우 높은 일반화된 R 제곱(~98%)은 아마도 안정성 부족을 나타낼 수 있다는 것을 배웠습니다. 선형 모델이 원점을 통과하도록 하기에는 가정이 너무 강력하다는 것입니다.아마도 예측 변수의 다중 공선성에 의해 생성된 모델링 문제 중 일부를 다시 방문해야 할 것입니다.도움이 되는 답변이었습니다!익명화된 데이터와 스크립트로 JMP 지원팀에 연락할 수 있게 되어 감사합니다.고맙습니다!
