※ 引述《violetking (因梦想而伟大(M))》之铭言： : 我在paper上看见一个逻辑回归的数据 : 但是由於统计基础太差实在是看不懂，不知有没有懂逻辑回归的高手帮忙解答 : ------------------------------------------------------------------------- : dependent value yes=1 No=o : ------------------------------------------------------------------------- : N 303 significant 0.000 : x^2 54.349 Peseudo-R^2(Nagelkerke) 0.228 : -2LL 241.903 Correct classification rate 68.5% : ------------------------------------------------------------------------- x^2 =54.349 这边指的是null model and theoretical model的卡方值的差 照这模型来看 也就是未放入自变数的model跟放入三个自变数的model的卡方值的差 -2LLog 这个是用来检定这卡方值的差是否有显着差异的 也就是看看放入这三个自变数後，究竟跟未放入前的模型有差异吗 换句话说，就是用来检定这个理论模型是否具意义 然後由significant的项目看到了 是显着的 所以模型ok Peseudo-R^2 就是相似於一般线性回归的R^2 correct calssificatnion rate 即是这个model相较於原始样本正确分类的比例 当然也是用来参考这model到底效果如何的 : Variable Coefficient Exp(B) Wald value Significant : ------------------------------------------------------------------------- : A -0.010 0.990 14.164 0.000 : B 1.376 3.959 24.962 0.000 : C 0.566 1.761 3.618 0.057 : ------------------------------------------------------------------------- Coefficient 即是ln(p1/(1-p1))=b0+b1x1+b2x2+b3x3 的beta值 因为这样不好解释，所以最好将二边取Exponential Exp(B) 就是将二边取了exponential後的Beta值，你可以把-0.010取e^-0.010就可以得到 0.990的值了 这样会比较好解释 但是正负向的影响还是得看coefficient Wald value 因为这不是线性回归 所以无法用一般的t-test来检定系数是否显着 所以采用wald chi-square test 基本上就是标准差估计的方式不一样而已 significant 转换成p值的显着性比较好判断..... : 抱歉我已经买了王济川的逻辑回归模型回来看，可是仍然看不太懂其中参数的涵意 : 可以请各位专家解惑一下，其中每个参数的意义和分析比较的依据吗? : 此外可以请问一下Cramer's V的值除了可以判断相关性外，可以判断其相关的方向吗？ Cramer's V 嗯...我印象中是用来计算类别变数的相关的 既然是相关 理应没有方向性才是 不过可能要再check --

※ 发信站: 批踢踢实业坊(ptt.cc) ◆ From: 140.112.110.198