Czy ktoś może wyjaśnić, dlaczego używamy logarytmicznych modeli liniowych w kategoriach zwykłych ludzi? Pochodzę z wykształcenia inżynierskiego, a to naprawdę okazuje się dla mnie trudnym przedmiotem, to znaczy statystykami. Będę wdzięczny za odpowiedź.
@ user1343318 Jeśli niektóre z tych odpowiedzi dały ci to, czego szukasz, być może powinieneś rozważyć wybranie jednej z nich, abyśmy mogli kontynuować nasze życie. :)
Logiczne modele liniowe, takie jak tabele krzyżowe i chi-kwadrat, są zwykle stosowane, gdy żadnej ze zmiennych nie można zaklasyfikować jako zależne lub niezależne, ale raczej celem jest zbadanie powiązania między zestawami zmiennych. W szczególności logiczne modele liniowe są przydatne do powiązania między zestawami zmiennych jakościowych.
Modele logarytmiczno-liniowe są często stosowane do proporcji, ponieważ niezależny wpływ na prawdopodobieństwo będzie działał wielokrotnie. Po pobraniu logów prowadzi to do efektów liniowych.
W rzeczywistości istnieją inne powody, dla których można zastosować modele logiczne (takie jak fakt, że link log jest funkcją kanoniczną dla Poissona), ale myślę, że pierwszy powód prawdopodobnie wystarcza z ogólnego punktu widzenia modelowania.
Zmniejsz skośność - rozkład Gaussa jest uważany za idealny lub konieczny dla wielu metod statystycznych (czasami błędnie). Robienie logów pomaga.
Wyrównaj spready - wywołaj homoskedastyczność, gdy występuje duża różnorodność poziomów.
Relacje zlinearyzowane - na przykład wykres logarytmów szeregu względem czasu ma właściwość polegającą na tym, że okresy o stałych szybkościach zmian są liniami prostymi
⋅xyx100⋅(exp{β}−1)
Relacje „additivize” - próba uzyskania parametrów funkcji produkcji Cobba-Douglasa jest o wiele łatwiejsza bez metod nieliniowych. Analiza wariancji wymaga również addytywności.
Wygoda / teoria - skala logu może być bardziej naturalna dla niektórych zjawisk.
Wreszcie dzienniki nie są jedynym sposobem na osiągnięcie niektórych z tych celów.
Powszechną interpretacją i sposobem dostrzegania różnicy między normalnym modelem liniowym a logicznym modelem liniowym jest sytuacja, gdy twój problem jest multiplikatywny lub addytywny.
Y=∑Mi=1βiXi+β0
Log liniowy model ma logarytmiczną transformację zmiennej odpowiedzi, która daje następujące równanie
Używamy plików cookie i innych technologii śledzenia w celu poprawy komfortu przeglądania naszej witryny, aby wyświetlać spersonalizowane treści i ukierunkowane reklamy, analizować ruch w naszej witrynie, i zrozumieć, skąd pochodzą nasi goście.
Kontynuując, wyrażasz zgodę na korzystanie z plików cookie i innych technologii śledzenia oraz potwierdzasz, że masz co najmniej 16 lat lub zgodę rodzica lub opiekuna.