로지스틱 회귀 분석의 절편

다음과 같은 로지스틱 회귀 모델이 있다고 가정합니다.

logit (p) = β_{0} + β_{1} x_{1} + β_{2} x_{2}

$\text{logit}(p) = \beta_0+\beta_{1}x_{1} + \beta_{2}x_{2}$

가요 이벤트 확률 때 및 ? 다시 말해서, 과 가 가장 낮은 레벨 일 때 (이것이 0이 아니더라도) 이벤트 확률 일까요? 예를 들어, 과 가 값 와 만 사용하면 0으로 설정할 수 없습니다. $\beta_0$ $x_1 = 0$ $x_2=0$ $x_1$ $x_2$ $x_1$ $x_2$ $2$ $3$

logistic interpretation intercept

— 물류
소스

stats.stackexchange.com/questions/91402 에서 답변을 공개하고 도움 을 얻을 수 있다고 생각합니다 . 약간만 변경하면 상황에 직접 적용됩니다.

— whuber

@ whuber : 내 예에서

및

이 데이터 범위를 벗어 납니까? 따라서

이고 의미있는 해석이 없습니다.

x_{1} = 0

$x_1 = 0$

x_{2} = 0

$x_2=0$

β_{0}

$\beta_0$

— logisticgu

답변:

일때 은사건의확률이 아니며확률의로그입니다. 또한 일때만로그 확률이며 이 아닌 가장 낮은 값일때는로그 확률입니다. $\beta_0$ $x_1 = x_2 = 0$ $x_1 = x_2 = 0$

— gung-복직 모니카
소스

따라서

은 내 상황에서 의미있는 해석이 없습니다.

β_{0}

$\beta_0$

— logisticgu

따라서

은 귀하의 상황에서 의미있는 독립적 인 해석 이 없습니다 . 종종 그렇습니다. 여전히 모델의 필수 부분입니다. 이 모델에서 떨어 경우, 모델의 나머지 부분 (예를 들어,의 추정

) 바이어스 될 것이다.

β_{0}

$\beta_0$

{\hat{β}}_{1}

$\hat\beta_1$

— gung-복직 모니카

(+1) 가로 채기를 의미있게 만드는 여러 가지 방법이 있습니다. 예를 들어, 당신은 로그 가능성에 관심이 있다면 할 때

및

다음 회귀

에 대한

및

. 물론

및

을 현재 모델에 연결하여

제공 하면 동일한 값을 얻을 수 있습니다.

x_{2} = 2

$x_2=2$

x_{3} = 3

$x_3=3$

p

$p$

x_{1} - 2

$x_1-2$

x_{3} - 3

$x_3-3$

x_{1} = 2

$x_1=2$

x_{2} = 3

$x_2=3$

β_{0} + 2 β_{1} + 3 β_{2}

$\beta_0+2\beta_1+3\beta_2$ 하지만 기본 소프트웨어 출력에는이를 0과 비교하기위한 테스트가 자동으로 포함됩니다.

— whuber

@ gung : 비슷한 방식으로

은 다른 모든 변수가 일정하게 유지되면

과

를 비교 합니까?

\exp (β_{1})

$\exp(\beta_1)$

x_{1} = 3

$x_1= 3$

x_{1} = 2

$x_1=2$

— logisticgu

예,

는 다른 모든 항목이 일정하게 유지 될 때

단위 변화와 연관된 승산 비입니다 (1 단위 간격의 값 집합 일 수 있음).

\exp (β_{1})

$\exp(\beta_1)$

x_{1}

$x_1$

— gung-복직 모니카

과 가 동시에 될 수없는 경우도 있습니다 . 이 경우 은 명확한 해석이 없습니다. $x_1$ $x_2$ $0$ $\beta_0$

그렇지 않으면 은 해석을합니다. 변수를 수행 할 수있는 변수가 없으면 확률 로그를 실제 값으로 이동합니다. $\beta_0$

— 세르게이 마 카레 비치
소스

$x^{2}$

x^{2}

$x^2$ $\beta_0$

β_{0}

$\beta_0$

나는 그것을 다른 방식으로 볼 것을 제안합니다 ...

$\text{logit}(p)$

$\beta_0 + \beta_1x_1 + \beta_2x_2+ \dotsm$

$x_i$ $\beta_0$ $\beta_i x_i$

$\beta_0$ $x_i$ $x_i$ $\beta_0$

어쩌면 나는 약간 다른 사고 방식으로 같은 것을 말했지만 이것이 도움이되기를 바랍니다.

— 오 메드
소스