이 서수 로지스틱 회귀 분석을 R에서 실행했습니다.
mtcars_ordinal <- polr(as.factor(carb) ~ mpg, mtcars)
이 모델의 요약을 얻었습니다.
summary(mtcars_ordinal)
Re-fitting to get Hessian
Call:
polr(formula = as.factor(carb) ~ mpg, data = mtcars)
Coefficients:
Value Std. Error t value
mpg -0.2335 0.06855 -3.406
Intercepts:
Value Std. Error t value
1|2 -6.4706 1.6443 -3.9352
2|3 -4.4158 1.3634 -3.2388
3|4 -3.8508 1.3087 -2.9425
4|6 -1.2829 1.3254 -0.9679
6|8 -0.5544 1.5018 -0.3692
Residual Deviance: 81.36633
AIC: 93.36633
다음 mpg
과 같은 계수의 로그 확률을 얻을 수 있습니다 .
exp(coef(mtcars_ordinal))
mpg
0.7917679
그리고 임계 값의 로그 확률은 다음과 같습니다.
exp(mtcars_ordinal$zeta)
1|2 2|3 3|4 4|6 6|8
0.001548286 0.012084834 0.021262900 0.277242397 0.574406353
이 모델에 대한 나의 해석이 올바른지 누군가 말해 줄 수 있습니까?
마찬가지로
mpg
한 단위 씩 증가의 카테고리 (1)로부터 이동하는 확률이carb
다른 5 종류의 임의의로가 -0.23로 감소한다. 로그 확률이 임계 값 0.0015를 초과하면 자동차의 예측 값은의 카테고리 2가carb
됩니다. 로그 확률이 임계 값 0.0121을 초과하면 자동차의 예측 값은의 카테고리 3이carb
됩니다.