Logistik Reqressiya və Əlaqəli Modellər
Logistik reqressiya modelləri kateqoriyadan asılı olan dəyişənlərlə məşğul olur. Kateqoriyaların sayından və bu kateqoriyaların sifariş edilib edilməməsindən asılı olaraq fərqli modellər mövcuddur.
Modelə ümumi baxış
İkili logistik reqressiya
Burada asılı dəyişən olaraq "səs" (bəli/yox) dəyişən üç nümunə verilmişdir :
logit səs yaş təhsili cins
məntiqi səs yaşı təhsil cinsi
logit səs yaşı təhsil cinsi və ya
İlk əmr, logit əmsalları baxımından model təxminlərini çıxaracaq; ikinci və üçüncü əmr bəzi insanların "təsir əmsalları" dediklərini, yəni müstəqil dəyişənlərin bahislərə təsirini verəcək.
Alternativ olaraq yaza bilərsiniz
məntiqi səs yaş təhsili gender
logit
Burada logit dərhal əvvəlki modeli (təsir əmsalları ilə) logit əmsalları olan bir modelə "çevirəcək".
Multinomial logistik reqressiya
Stata proseduru mlogit ilə, dəyişənlərin bir neçə kateqoriyaya ("Marka A", "Marka B", "Marka C", "Marka D" kimi) bağlı bir dəyişənə təsirini təxmin edə bilərsiniz. Qeyd edək ki, əgər bu kateqoriyalar sifariş verilərsə (məsələn, "qəti şəkildə razıyam". "Qəti şəkildə razı deyiləm" kimi ifadələrdə), adətən sifarişli bir logistik reqressiya modelinə üstünlük verilməlidir.
| mlogit marka cinsi sinif, əsas gəlir (2) rrr |
İstifadənin əsas nəticəsi yalnız Statanın standartlarından, yəni ən çox yayılmış kateqoriyadan çıxmaq istəsəniz tələb olunur. Başqa bir seçim rrrdir ki, bu da statistikanın logit əmsalları əvəzinə nisbət nisbətlərini (və əlaqəli güvən intervallarını) göstərməsinə səbəb olur. Nəzərə alın ki, bəzi qəribə səbəblərə görə əmsal burada "nisbi risklər" adlanır (buna görə də seçimin adı), lakin əl kitabçasındakı düstur, gözlədiyiniz kimi hər şeyin bahis olduğunu göstərir.
Sifarişli logistika reqressiyası
Əslində, Stata sifarişli asılı dəyişəni, məsələn, aborta münasibətini təhlil etmək üçün bir neçə imkanlar təqdim edir. Ən çox yayılmış model məcmu logitlərə əsaslanır və belə gedir:
| ologit abort yaş cinsi sinif, və ya |
Seçim və ya yenidən bahis baxımından təsirlər yaradacaq.
Probit modelləri
Probit modelləri logistik reqressiya modellərinə (və ya logit modellərinə) alternativdir. İkili, multinomial və sifarişli hal üçün əmrlər belədir:
| probit səs yaş təhsili cins |
| mprobit marka cinsi cinsi sinif, əsas gəlir (2) |
| oprobit abort yaşı cinsi sinif |
"Marjinlər" kənarları ilə təsirlərin təfsiri
Stata, ehtimallar baxımından müstəqil dəyişənlərin təsirini ya sözün həqiqi mənasında (proqnozlaşdırılan ehtimallar), ya da marjinal təsirlər (ehtimalın proqnozlaşdırılan dəyişiklikləri) hesablaya bilər.
İkili asılı dəyişənləri olan modellər üçün sərhədlər
| cinsiyyət sərhədləri | Kateqoriyalı bir dəyişən üçün marjlar |
| marjlar, (yaş = (10 (10) 80)) | Bir metrik dəyişən üçün marjlar |
| marjlar, dydx (_all) atmeans | Bütün müstəqil dəyişənlərin digər kovariatların ortalamasına marjinal təsiri |
| marjlar, dydx (_all) | Bütün kovaryatların orta marjinal təsirləri |
İki kateqoriyadan çox asılı olan dəyişənlər üçün marjlar
Marjlar çoxnomial modeldə xüsusilə vacibdir, çünki reqressiya əmsalları çox yanıltıcı ola bilər. Onlar asılı dəyişənlərin hər bir kateqoriyası üçün ayrıca alınmalıdır. Bu, adi model üçün də keçərlidir.
Buna nail olmaq üçün yuxarıda təsvir olunan bütün əmrlərdən istifadə edə bilərsiniz, yalnız marjların hesablanacağı kateqoriyanı göstərən bir seçim əlavə edə bilərsiniz. Buna nail olmağın iki yolu var, ən sadə halda, kateqoriyalı müstəqil dəyişən üçün təsvir edəcəyəm:
| marjlar cinsi, proqnozlaşdır (nəticə (#3)) | Üçüncü kateqoriya üçün marjlar (faktiki dəyərindən asılı olmayaraq) |
| marjlar cinsi, proqnozlaşdır (nəticə (3)) | "3" olaraq kodlanmış kateqoriya üçün marjlar |
Əhəmiyyətli testlər
Z statistikasına əsaslanan əmsallar üçün əhəmiyyətlilik testləri ən yaxşı hesab edilmir. Üstün bir test, ehtimal nisbəti statistikasına əsaslanır. Təəssüf ki, hesablama bir az yorucu olur (aşağıda təsvir olunan lrdrop1 proseduruna müraciət etməsəniz, öz çatışmazlıqları var): Əvvəlcə modelinizdəki təxminləri saxlamalısınız, sonra məhdud bir modeli hesablamalısınız (məsələn, bir parametri olan bir model sıfır və ya əslində istədiyiniz hər hansı bir məhdudiyyətə sahib bir model) və nəhayət hər iki modeldə LR testi keçirin. Prosedur aşağıdakı kimidir:
| (m) (o) indivars | İlk modelin qiymətləndirilməsi |
| təxminlər istənilən adı saxlayır | Hesablamalar "hər hansı bir ad" matrisində saxlanılır. |
| (m) (o) indivars | Məhdudiyyətlərlə modelin qiymətləndirilməsi |
| hər hansı bir ad. | LR testinin aparılması; son nöqtədə, son təxmin edilən modelin "anyname" modelinə qarşı sınaqdan keçiriləcəyini ifadə edən nöqtəni qeyd edin. |
Əlbəttə ki, bir neçə modeli qiymətləndirə, təxminləri saxlaya bilərsiniz (fərqli adlar altında) və sonra bəyəndiyiniz modelləri sınaya bilərsiniz. Qiymətləndirdiyiniz modellərin eyni sayda dava ehtiva etdiyinə və həmişə bir modelin digərinin içərisində yerləşdiyinə əmin olun.
Başqa bir yol, LR testini "əllə" (daha doğrusu beyinlə) Stata çıxışından daxil olma ehtimalını istifadə edərək hesablamaq olardı.
Prosedur lrdrop1
Uyğunluq ölçüləri
Bir çox məqsəd üçün, Stata'nın ümumi model uyğunluğu ilə bağlı çıxışı kifayətdir. Standart modelə həm xi-square modeli (yəni sıfır modeli ilə müqayisədə indiki model üçün LR testi), həm də McFadden-in Pseudo R-squarei daxildir.
J. Scott Long və Jeremey Freese'nin fitstat paketindən bir sıra əlavə statistika əldə etmək olar. Bu paket aşağıdakı kimi quraşdırıla bilər: