Bağlantı fonksiyonları - Logit'e karşı probit

R'de Genelleştirilmiş Doğrusal Modeller

Richard Erickson

Instructor

Neden bağlantı fonksiyonları?

İkili verinin modeli

$Y = \text{Binomial}(p)$

Doğrusal denkleme bağlanır

$\Phi^{-1} (p) = \beta_0 + \beta_1 x + \epsilon $

Kümülatif normal üzerine kurulu

$\Phi(z) = \frac{1}{\sqrt{2 \pi}} \int_{-\infty}^z e^{- \frac{1}{2} z^2} \, dz$

Probit ve logit'in kümülatif olasılığı

glm() için family seçeneği
- Karakter: glm(..., family = "binomial")
- Fonksiyon: glm(..., family = binomial())
Varsayılan: binomial(link = "logit")
Probit: binomial(link = "probit")
DataCamp talimatlarıyla eşleştir

Probit ölçeğinden olasılık ölçeğine dönüştür:

p = pnorm(-0.2)

Olasılığı binom dağılımla kullan

rbinom(n = 10, size = 1, prob = p)

Logit ölçeğinden olasılık ölçeğine dönüştür:

p = plogis(-.2)

Olasılığı binom dağılımla kullan

rbinom(n = 10, size = 1, prob = p)

R'de Genelleştirilmiş Doğrusal Modeller