Założenia wielorakiej regresji logistycznej

Uogólnione modele liniowe w R

Richard Erickson

Instructor

Założenia

  • Ograniczenia dotyczą też Poissona i innych GLM
  • Ważne założenia:
    • Paradoks Simpsona
    • Liniowość, monotoniczność
    • Niezależność
    • Nadmierne rozproszenie
Uogólnione modele liniowe w R

Przykład paradoksu Simpsona

Przykład wykresu pokazującego efekt pominięcia właściwej grupy.

Przykład dwóch linii ilustrujących paradoks Simpsona.

Uogólnione modele liniowe w R

Paradoks Simpsona

Kluczowe punkty

  • Brakujący ważny predyktor
  • Jego włączenie zmienia wyniki
  • Łatwo zwizualizować za pomocą lm()
Uogólnione modele liniowe w R

Paradoks Simpsona a dane rekrutacyjne

Dane dotyczące rekrutacji

  • Uniwersytet Kalifornijski w Berkeley
  • Rekrutacja na studia podyplomowe
  • Wskaźnik przyjęć według wydziału i płci
  • Czy istnieje stronniczość?
Uogólnione modele liniowe w R

Przykładowy wykres danych liniowych i monotonicznych, nieliniowych monotonicznych oraz nieliniowych niemonotoniczych

Uogólnione modele liniowe w R

Niezależność

Predyktory

  • Jeśli niezależne, kolejność nie wpływa na estymaty
  • Jeśli zależne, kolejność może zmieniać estymaty

Zmienna odpowiedzi

  • Co jest jednostką analizy?
  • Jednostka, grupy, grupy grup?
  • Wyniki testów
    • Pojedynczy uczeń?
    • Nauczyciel? Szkoła? Okręg?
Uogólnione modele liniowe w R

Nadmierne rozproszenie

  • Zbyt wiele zer lub jedynek (dwumianowy)
  • Zbyt wiele zer, zbyt duża wariancja (Poisson)
  • Zmienna wariancja
  • Poza zakresem tego kursu
Uogólnione modele liniowe w R

Czas na ćwiczenia!

Uogólnione modele liniowe w R

Preparing Video For Download...