Zaloguj modele liniowe


12

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.


Czy mówisz o modelach logicznych dla proporcji (ogólnie w tabelach) czy modelach logicznych dla czegoś innego?
Glen_b

Glen, mówię o stołach.
user1343318,

@ user1343318 Jeśli niektóre z tych odpowiedzi dały ci to, czego szukasz, być może powinieneś rozważyć wybranie jednej z nich, abyśmy mogli kontynuować nasze życie. :)
Dr Mike

Odpowiedzi:


10

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.


7

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.


6

lnlogee

Nie zawsze używam dzienników, ale kiedy to robię, są to logarytmy naturalne.

Ta lista pochodzi z Intro To Transformations Nicka Coxa (z dodanym komentarzem):

  • 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.


5

Powszechną interpretacją i sposobem dostrzegania różnicy między normalnym modelem liniowym a logicznym modelem liniowym jest sytuacja, gdy twój problem jest multiplikatywny lub addytywny.

Y=i=1MβiXi+β0

Log liniowy model ma logarytmiczną transformację zmiennej odpowiedzi, która daje następujące równanie

lnY=i=1MβiXi+β0

co zamienia się w

Y=eβ0i=1MeβiXi

W ten sposób efekty są mnożone, a nie sumowane.

Korzystając z naszej strony potwierdzasz, że przeczytałeś(-aś) i rozumiesz nasze zasady używania plików cookie i zasady ochrony prywatności.
Licensed under cc by-sa 3.0 with attribution required.