Функції зв'язку — порівняння probit і logit

Узагальнені лінійні моделі в R

Richard Erickson

Instructor

Навіщо функції зв'язку?

Модель бінарних даних

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

Пов'язана з лінійним рівнянням

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

Ґрунтується на кумулятивному нормальному розподілі

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

Кумулятивна ймовірність для probit і logit

Параметр family для glm()
- Рядок: glm(..., family = "binomial")
- Функція: glm(..., family = binomial())
Типово: binomial(link = "logit")
Probit: binomial(link = "probit")
Дотримуйтесь інструкцій DataCamp

Перетворіть зі шкали probit на шкалу ймовірностей:

p = pnorm(-0.2)

Використайте ймовірність з біноміальним розподілом

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

Перетворіть зі шкали logit на шкалу ймовірностей:

p = plogis(-.2)

Використайте ймовірність з біноміальним розподілом

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

Узагальнені лінійні моделі в R