Լոգիստիկ ռեգրեսիոն վերլուծությունը օգտագործվում է (կատեգորիայի կամ շարունակական) անկախ փոփոխական(ների) կապը մեկ դիխոտոմ կախված փոփոխականի հետ ուսումնասիրելու համար։ Սա ի տարբերություն գծային ռեգրեսիոն վերլուծության, որտեղ կախված փոփոխականը շարունակական փոփոխական է:
Ինչպե՞ս եք մեկնաբանում լոգիստիկ ռեգրեսիոն վերլուծությունը:
Մեկնաբանեք երկուական լոգիստիկ ռեգրեսիայի հիմնական արդյունքները
- Քայլ 1. Որոշեք, թե արդյոք պատասխանի և տերմինի միջև կապը վիճակագրորեն նշանակալի է:
- Քայլ 2. Հասկացեք կանխագուշակողների ազդեցությունը:
- Քայլ 3. Որոշեք, թե որքանով է մոդելը համապատասխանում ձեր տվյալներին:
- Քայլ 4. Որոշեք, թե արդյոք մոդելը չի համապատասխանում տվյալներին:
Ե՞րբ կօգտագործեիք լոգիստիկ ռեգրեսիայի օրինակ:
Լոգիստիկ ռեգրեսիան կիրառվում է կատեգորիկ կախյալ փոփոխականը կանխատեսելու համար: Այլ կերպ ասած, այն օգտագործվում է երբ կանխատեսումը կատեգորիկ է, օրինակ՝ այո կամ ոչ, ճիշտ կամ սխալ, 0 կամ 1: Լոգիստիկ ռեգրեսիայի կանխատեսված հավանականությունը կամ արդյունքը կարող է լինել մեկը դրանք, և չկա միջին ճանապարհ:
Ինչպե՞ս է հաշվարկվում լոգիստիկ ռեգրեսիան:
Նման լոգիստիկ մոդելը կոչվում է լոգիստիկ հավանականության մոդել: Հետևաբար, վիճակագրության մեջ լոգիստիկ ռեգրեսիան երբեմն կոչվում է լոգիստիկ մոդել կամ լոգիստական մոդել: … Հնարավորությունների հարաբերակցությունը (նշվում է ԿԱՄ) պարզապես հաշվարկվում է մեկ խմբի համար դեպք լինելու հավանականությամբ, որը բաժանվում է դեպք լինելու հավանականության վրա:մեկ այլ խմբի համար։
Ի՞նչ եք հայտնում լոգիստիկ ռեգրեսիայում:
Լոգիստիկ ռեգրեսիայի դասական հաշվետվությունը ներառում է հավանականության գործակից և 95% վստահության միջակայք, ինչպես նաև AUC՝ բազմաչափ մոդելի գնահատման համար:
