수준이 여러 개인 종속변수에 대한 다중 로지스틱 회귀 해석다변량 로지스틱 회귀를 실행하려고 합니다. 종속변수에는 두 개의 범주가 있고 첫 번째 독립변수에는 5개의 그룹이 있고 두 번째 독립변수에는 두 개의 그룹이 있습니다.
모델을 실행하면(모델 적합 사용) 매개변수 추정 섹션에서 첫 번째 독립 변수에 대한 5개 그룹 중 4개 그룹과 두 번째 독립 변수에 대한 두 그룹 중 하나에 대한 계수/베타 값을 보고합니다. 모수 추정치가 비교 그룹으로 하나의 그룹을 선택하기 때문에 각 변수에 대한 범주 수보다 하나 적게 보고한다고 가정합니까?
두 번째 질문은 생성된 배당률과 관련이 있습니다. 총 25(및 4)의 승산비에 대해 서로 5개(및 2개) 그룹의 조합에 대한 승산비가 있는 것 같습니다. JMP에서는 이를 Level1/Level 2로 표시합니다. 이러한 승산비는 매개변수 추정 섹션 아래의 계수와 일치하지 않습니다(e^계수와 같지 않기 때문). 이 배당률은 무엇을 나타냅니까?
기본 데이터 분석 및 모델링데이터 탐색 및 시각화맥 OS예측 모델링 및 기계 학습Re: 여러 수준이 있는 종속 변수에 대한 다중 로지스틱 회귀 해석Hi Mark, 저는 다변수 로지스틱 회귀 분석을 실행하고 있습니다. 선형 예측 변수는 전체 평균(절편), 5개 수준의 독립 변수, 2개 수준의 또 다른 독립 변수로 구성됩니다.
내 주요 질문은 두 개의 비참조 범주(예: 범주 1 및 4)에 대한 승산비가 e^(범주 1에 대한 매개변수 추정치)/e^(범주 4에 대한 매개변수 추정치)와 같은 이유입니다. 범주 중 참조 범주(범주 5)입니다.
Re: 여러 수준이 있는 종속 변수에 대한 다중 로지스틱 회귀 해석유용한 정보Re: 여러 수준이 있는 종속 변수에 대한 다중 로지스틱 회귀 해석JMP가 맞다고 확신합니다. 계산을 확인하기 위해 바닥에서 시작하여 배당률까지 쌓아가는 것이 좋습니다. 선형 예측 변수 f(X)가 있습니까? 이게 뭐야? 네 번째 그림에서 위의 예에서 선형 예측 변수를 볼 수 있습니다. 단일 5단계 범주형 요인과 전체 평균(절편)입니까?
추정치는 로짓에 대한 선형 예측 변수의 매개변수 또는 대상에 대한 로그 승산에 대한 것입니다. 따라서 e^f(X)는 X 벡터의 수준을 조건으로 하는 대상에 대한 확률이어야 합니다. 따라서 적절하게 조정된 두 배당률의 비율은 원하는 비율이어야 합니다. 단일 매개변수가 아닌 선형 예측자가 필요합니다. 누락이 문제가 될 수 있다고 생각합니다.
Re: 여러 수준이 있는 종속 변수에 대한 다중 로지스틱 회귀 해석안녕 마크, 답장을 보내 주셔서 감사합니다. 나는 "확률 저장 공식"에 익숙하며 실제로 각 데이터 포인트에 대한 예측 로그 승산비와 확률을 보는 것이 유용합니다.
그러나 위에서 언급한 것처럼 그룹 중 하나가 참조 그룹일 때 JMP가 승산비를 어떻게 계산하는지 아직 모르겠습니다. 다변수 로지스틱 회귀를 수행하고 있으므로 사용 중인 공식이 잘못되었을 수 있습니다. 또한 내가 말하는 오즈비는 각 개별 데이터 포인트에 대한 것이 아니라 빨간색 삼각형을 클릭하고 "오즈비"를 선택할 때 나타나는 오즈비입니다.
제 예로 돌아가서 JMP는 범주 1/범주 5에 대한 승산비를 0.9641408로 계산했습니다. 내 범주 1 매개변수 추정치는 범주 1: 0.00630345이고 범주 5 추정치는 매개변수 0.16108913입니다. JMP가 계산하는 오즈비를 계산하는 데 사용하는 공식은 e^(0.00630345)/ e^(0.16108913)이지만 이 값은 여전히 오즈비 0.9641408과 같지 않습니다.
시간 내 주셔서 대단히 감사합니다.
Re: 여러 수준이 있는 종속 변수에 대한 다중 로지스틱 회귀 해석나는 처음에 이 대답을 생각했어야 했다. 다음은 Big Class 데이터 테이블을 사용한 예입니다.
명목 로지스틱 회귀 플랫폼 상단의 빨간색 삼각형을 클릭하고 확률 공식 저장을 선택하는 것이 좋습니다.
하나 이상의 새 데이터 열이 표시됩니다.
이 어수선한 결과는 단계적으로 예측을 볼 수 있기 때문에 실제로 훌륭합니다. "lin[X]" 열은 선형 예측 변수와 추정치를 캡처합니다. 그것은 logit 또는 log( odds )를 예측합니다.
"Prob[X]" 열은 확률 응답에 대한 로짓 응답에 대한 선형 예측 변수의 역변환을 보여줍니다.
이러한 확률은 오즈 및 오즈비를 계산하는 데 사용할 수 있습니다. 이 공식과 결과가 귀하의 질문에 답하는 데 도움이 되기를 바랍니다.
Re: 여러 수준이 있는 종속 변수에 대한 다중 로지스틱 회귀 해석안녕 마크, 답장을 보내 주셔서 감사합니다. 그 값은 내 예상 배당률과 맞지 않습니다. 예를 들어 JMP는 다음에 대한 승산비를 계산했습니다. 카테고리 1/카테고리 5: 0.9641408. 카테고리 1 견적이 범주 1: 0.00630345 및 범주 5 추정치는 0.16108913, e^(0.00630345)/ e^(0.16108913)은 여전히 승산비 0.9641408을 등식화하지 않습니다.
Re: 여러 수준이 있는 종속 변수에 대한 다중 로지스틱 회귀 해석마지막 수준의 매개변수는 처음 4개의 매개변수에 의해 제한됩니다. JMP는 물류 모델의 매개변수화를 위해 '효과 코딩'을 사용합니다. 매개변수 추정치는 합계가 0이 되도록 제한되므로 처음 4개의 매개변수를 합산하고 합계를 부정하면 이것이 마지막 매개변수의 '추정'입니다. 귀하의 경우 마지막 매개 변수에 대해 0.16108913이 표시됩니다. 그 값이 예상 배당률에 맞습니까?
Re: 여러 수준이 있는 종속 변수에 대한 다중 로지스틱 회귀 해석귀하의 이분법적 응답이 이진 로지스틱 회귀 또는 모델 적합 대화 상자에서 실행한 후 JMP의 명목 로지스틱 플랫폼을 사용하고 있다고 가정합니다. 모델은 log( odds( target ) / odds( non-target ) ) = 선형 예측 변수입니다. 이 선형 방정식은 확률( target | X ) = F( 선형 예측자)로 역변환될 수 있습니다. 승산비는 대상에 대한 예측 승산 대 비대상에 대한 예측 승산입니다. 이진 사례의 대상 및 비대상에 대한 로짓은 역변환이 가장 간단합니다.
아주 많습니다 여기에 배경 정보 귀하의 질문에 답변하는 데 도움이 됩니다.
Re: 여러 수준이 있는 종속 변수에 대한 다중 로지스틱 회귀 해석게시물이 스팸 필터에 걸렸습니다. 이유를 모르겠습니다.
Re: 여러 수준이 있는 종속 변수에 대한 다중 로지스틱 회귀 해석이것이 중복된 경우 용서하십시오. 두 번째 답장이 게시되지 않은 것 같습니다.
나는 5개의 범주(범주 1, 2, 3, 4 및 5, 범주 5가 기본 그룹임)가 있는 종속 변수를 사용하여 모델 적합 테스트를 다시 시도했습니다. 배당률에서 Level1과 Level 2가 기본이 아닌 그룹(예: 범주 1 - 4)일 때 Level1/Level 2 배당률이 어떻게 계산되는지 이해합니다. 수준 1 = 범주 1이고 수준 2 = 범주 4인 경우 수준 1/수준 2 승산비는 e^(범주 1에 대한 계수 추정치) / e^(범주 4에 대한 계수 추정치)입니다.
그러나 수준 1 또는 수준 2가 기본 그룹(범주 5)인지 혼란스럽습니다. JMP는 수준 1 = 기본이 아닌 그룹이고 수준 2 = e^(범주 기본이 아닌 그룹에 대한 계수 추정치)와 같지 않은 기본 그룹인 수준 1/수준 2 승산비를 계산합니다.
예를 들어 여기 내 번호가 있습니다.
매개변수 추정치:
범주 1: 0.00630345
범주 2: -0.2234814
범주 3: - 0.0617221
범주 4: 0.11781092
배당률(수준 2 = 범주 5, 기본 그룹)
카테고리 1/카테고리 5: 0.9641408
카테고리 2/카테고리 5: 0.7662071
카테고리 3/카테고리 5: 0.9007356
카테고리 4/카테고리 5: 1.0778729
내가 틀렸을 수도 있지만 범주 5에 대한 매개변수 추정치, 기본 그룹은 0이므로 범주 N/범주 5에 대한 승산비는 e^(범주 N에 대한 계수 추정치)와 같아야 합니다. 그러나 보시다시피 e^(0.00630345) =/= 0.9641408
도와주셔서 감사합니다!
Re: 여러 수준이 있는 종속 변수에 대한 다중 로지스틱 회귀 해석또한 5개 범주(범주 1, 2, 3, 4, 5라고 가정하고 범주 5가 기본 그룹이므로 JMP는 범주 1, 2, 3 및 4). 승산비 섹션에서 두 개의 비교 범주가 기본 범주가 아닌 경우, 즉 범주 1과 범주 4에 대한 수준 1/수준 2 승산비가 e^(coefficient 카테고리 1의 경우) / e^(카테고리 4의 계수).
그러나 Level1 또는 Level2가 기본 그룹(예: 범주 5)일 때 승산비가 어떻게 계산되는지 궁금합니다. 내가 틀렸을 수도 있지만 기본 그룹에 대한 계수가 0으로 설정되어 있다고 생각했으므로 Level1/Level2 승산 비율은 e^(coefficient for category n) 여기서 n = 1, 2, 3 또는 4가 되어야 하지 않습니까?
내 번호는 다음과 같습니다.
매개변수 추정치:
범주 1: 0.00630345
범주 2: -0.2234841
범주 3: -0.0617221
범주 4: 0.11781092
Level1/Level2 승산비, 여기서 Level2 = 범주 5(기본 그룹)
카테고리 1/카테고리 5: 0.9641408
카테고리 2/카테고리 5: 0.7662071
카테고리 3/카테고리 5: 0.9007356
카테고리 4/카테고리 5: 1.0778729
보시다시피 e^(0.00630345) =/= 0.9641408
당신의 도움을 주셔서 감사합니다!
Re: 여러 수준이 있는 종속 변수에 대한 다중 로지스틱 회귀 해석방정식을 보여줄 수 있습니까? 테스트를 단순화하고 더 잘 이해하기 위해 5개의 범주로 변수를 제거하고 이분형 변수로 Fit Model을 실행했습니다. 따라서 저는 이분형 종속 변수(범주 A와 B 포함)와 이분형 독립 변수가 있습니다.
이분형 종속 변수(범주 A)에 대해 얻은 계수 추정치(모수 추정치 아래)는 -0.86355입니다. 승산비 섹션에서 A/B에 대한 수준 1/수준 2 승산비는 0.177797이고 B/A에 대한 승산비는 5.6243923입니다. 나는 B/A = 1/ A/B를 이해하지만 e^(계수 추정치 = -0.86355)가 A/B에 대한 레벨 1/레벨 2 승산비(0.177797)와 같아야 한다고 생각했지만 그렇지 않습니다.
나는 또한 SPSS에서 동일한 로지스틱 회귀 테스트를 실행했으며 내가 얻은 베타/계수 추정치는 -1.727이었습니다.
편집하다:
나는 5개의 범주(범주 1, 2, 3, 4 및 5, 범주 5가 기본 그룹임)가 있는 종속 변수를 사용하여 모델 적합 테스트를 다시 시도했습니다. 배당률에서 Level1과 Level 2가 기본이 아닌 그룹(예: 범주 1 - 4)일 때 Level1/Level 2 배당률이 어떻게 계산되는지 이해합니다. 수준 1 = 범주 1이고 수준 2 = 범주 4인 경우 수준 1/수준 2 승산비는 e^(범주 1에 대한 계수 추정치) / e^(범주 4에 대한 계수 추정치)입니다.
그러나 수준 1 또는 수준 2가 기본 그룹(범주 5)인지 혼란스럽습니다. JMP는 수준 1 = 기본이 아닌 그룹이고 수준 2 = e^(범주 기본이 아닌 그룹에 대한 계수 추정치)와 같지 않은 기본 그룹인 수준 1/수준 2 승산비를 계산합니다.
예를 들어 여기 내 번호가 있습니다.
매개변수 추정치:
범주 1: 0.00630345
범주 2: -0.2234814
범주 3: - 0.0617221
범주 4: 0.11781092
배당률(수준 2 = 범주 5, 기본 그룹)
카테고리 1/카테고리 5: 0.9641408
카테고리 2/카테고리 5: 0.7662071
카테고리 3/카테고리 5: 0.9007356
카테고리 4/카테고리 5: 1.0778729
내가 틀렸을 수도 있지만 범주 5에 대한 매개변수 추정치, 기본 그룹은 0이므로 범주 N/범주 5에 대한 승산비는 e^(범주 N에 대한 계수 추정치)와 같아야 합니다. 그러나 보시다시피 e^(0.00630345) =/= 0.9641408
이전과 마찬가지로 SPSS의 매개변수 추정값도 매우 다릅니다.
도와주셔서 감사합니다!
Re: 여러 수준이 있는 종속 변수에 대한 다중 로지스틱 회귀 해석첫 번째 질문에서 한 그룹은 비교 그룹이므로 4개의 계수만 표시됩니다(일반 용어로 표현하면 관측치가 4개 그룹 중 하나에 없으면 5번째 그룹에 있어야 하므로 중복 정보입니다. 수학적으로 문제가 발생합니다).비교로 사용되는 기본 그룹이 마음에 들지 않으면 해당 변수에 대한 값 순서 지정을 설정하여 변경할 수 있습니다(실제 결과는 변경되지 않고 나타나는 방식만 변경됨).
두 번째 질문을 이해했다면 승산비가 계수에서 어떻게 도출되는지 묻고 있는 것입니다.계수는 각 분류의 확률을 결정하는 부분입니다.계수는 승산의 로그를 결정하는 선형 방정식의 일부이며 승산비는 각 그룹에 대해 해당 계산을 수행하고 2의 비율을 확인합니다.계수와 승산비 사이의 관계를 직관적으로 설명하는 쉬운 방법이 없다고 생각합니다. 한 세트의 숫자에서 다른 세트로 이동하려면 여러 단계가 필요합니다.나는 그것을 가르칠 때 이것을 설명할 수 있는 좋은 방법을 찾으려고 노력했지만, 항상 하나에서 다른 것으로 데려가는 일련의 방정식을 보여주어야만 했습니다(수학적으로는 명확하지만 거의 직관적이지 않습니다).
