Foram aprendendo a usar a regressão logística e seu blog tem sido de grande ajuda. pacote de regressão, traduzindo a pena em dados anteriores. Ele representar todos os problemas, e em caso afirmativo, como posso cuidar disso? ter sido apenas fazer que algumas leituras sobre esses dois métodos e seu resumo das vantagens e desvantagens de cada abordagem está absolutamente certo sobre. Provavelmente tratar isso como um resultado binário em vez de contínua lucro vs. ter uma experiência que tem 1 indepdendent variável com 3 níveis, tamanho da amostra de 30 em cada Estado. dos quais são eventos. Depois de ler seu trabalho, eu não sei nem que meus eventos são raros.
Cada fonte poderia ter 362 dias de lucro zero e 3 dias de lucro positivo. Quero usar uma categoria com um pequeno número de casos como a categoria de referência. eventos, tendo a amostra aleatória foi encontrado útil mas eu duvido se ele afeta as características reais da população em causa. Paul Allison, compreendi que temos que prestar atenção ao viés pequena amostra para categorias pequenas. gostaria de verificar se possível.
Mas eu sinto que o problema da precisão de predizer o evento é por causa do número igual de eventos e eventos não usados no modelo. Este lucro é minha variável dependente. entre previu a resultar para o resultado teve o resultado real. Paul Allison, sou muito grato a você por seu post e as discussões seguidas, da qual quase resolvi meu problema, exceto uma. Vidal Essebag, et al. Tenho total com eventos de 1424 207960 registros no conjunto de dados. teria adivinhado isso seria okey. Queria saber se temos que se preocupar com o número de eventos em cada categoria de um fator quando usá-lo como um predictor no modelo.
ter uma amostra com 7851 observações e 576 eventos. Tentei o modelo tobit que assume a censura à esquerda. Temos que provar para ver o tempo de computação mais eficiente. Esta é uma discussão legal, mas a punição é um método muito mais geral do que apenas o Firth viés correção, que nem sempre é bem sucedida em produzir resultados sensíveis.
As variáveis independentes associadas a ele são também variáveis contínuas. tem outra amostra com 6887 observações e 204 eventos. como valor de corte? Esta é uma preocupação legítima. É 62 na cúspide de regressão logística simples ou o método de Firth ainda seria aconselhável? Estas duas considerações serão aplicadas a regressão linear e logística. Regressão logística exata, eventos raros e Firth método funcionam bem para resultados binários.
Tomadas separadamente, cada fonte ao longo de um ano gera lucro apenas em raras ocasiões. Tenho recolhido diariamente valores de lucro gerados por cada fonte em um conjunto de dados. escrever-te porque tenho um problema semelhante. O artigo e os comentários aqui foram extremamente úteis. Muito obrigado pela sua resposta e aconselhar. cabe no caso de usar a regressão logística exata?
Se usar em uma estimativa de logit, por exemplo, 4 variáveis independentes can eu tenho alguns problemas na interpretação dos seus coeficientes estimados e seu significado? O que você acha que devo fazer neste caso. Mas eu tenho as variáveis independentes contínuas e 50 eventos mais de 90. Além disso, existe uma tabela de regra disponível que descreve o número mínimo de eventos necessários em relação à amostra e o número de variáveis independentes? trabalhando na construção de um modelo preditivo para repartições ônibus com regressão logística. Meu entendimento está correto?
O número de dias de lucro ligeiramente varia de fonte para fonte. Posso aplicar regressão logística com segurança a esses dados? após análise univariada, selecionei 5 variáveis. Obrigado e tome cuidado. citar qualquer teoria, minha intuição é que a raridade dos eventos não seria um problema sério nesta situação. Agradeço a orientação.
códigos de diagnóstico acontecem raramente também. Não, sugerindo que todas essas variáveis serão no modelo final, mas há um limite para o número de preditores que eu deveria estar olhando para incluir no modelo final? Há qualquer preocupação tendo preditores raros em um modelo com eventos raros? O método de firth e o evento raro logit produz muito mesmos coeficientes como você explicou em seu post.
é pelo menos 5 em todas as células, você deve estar em boa forma. viés de amostra dos estimadores. e apresentaram uma regressão logística exata que leva a resultados significativos. Meu colega recomendada o modelo de dados de contagem, como modelo ZINB porque a regressão logística convencional gera um problema de subestimado ou devido a zero excesso. BTW, se parvo variáveis, não há nenhuma necessidade de normalizá-los para uma média de zero. Ainda posso usar o Firth ou eventos raros?
método de coorte, mas a análise é consideravelmente mais complexa. positivo de 30. verdadeiro peso significativamente pode depender de sua confiança. Allison, este é um post excelente com continua a discussão. pessoas das quais 944 pessoas fez uma e mais visitas ao departamento de emergência durante um ano. Obrigado por poupar o seu tempo para mim.
Estou atualmente em debate com os empreiteiros que descartou 62 eventos em uma amostra de 1500 como muito pequeno para analisar empiricamente. Preciso de seus conhecimentos sobre a seleção do método apropriado. por favor, esclareça-me sobre isso. Se o último, então eles são inúteis em um modelo preditivo. Em relação a proporção pequena, acho que meus dados estão na zona de conforto para candidatar-se a regressão logística. Número total de eventos é 45334 para um tamanho de amostra de 83356. No entanto, a raridade dos eventos predictor também é relevante aqui.
Então suas combinações lineares parece mais apropriado para representar a probabilidade do valor de destino em si, ao invés de seu valor de logit.
