loglog lojistik regresyonun tahminlerini yorumlayabilme


21

Birisi bana bir tıkanıklık bağlantısı kullanarak bir lojistik regresyondan elde edilen tahminleri nasıl yorumlayabileceğimi söyleyebilir mi?

Aşağıdaki modeli yerleştirdim lme4:

glm(cbind(dead, live) ~ time + factor(temp) * biomass,
    data=mussel, family=binomial(link=cloglog))

Örneğin, zaman tahmini 0.015'tir. Birim zaman başına ölüm oranlarının exp (0.015) = 1.015113 (birim zaman başına ~% 1.5 artış) ile çarpıldığını söylemek doğru mudur?
Başka bir deyişle, logit lojistik regresyonu için olduğu gibi log oranlarında ifade edilen bir tıkanıklıkta elde edilen tahminler nelerdir?


Lütfen Rsözdizimi kurallarını takip etmek için kodu düzenleyin . Sahip olamazsınız (sonra '
Frank Harrell

Orijinal yayını düzenleyin ve yorumu silin.
Frank Harrell,

Yanıtlar:


30

Tamamlayıcı bir log-log link fonksiyonu ile, lojistik regresyon değildir - "logistic" terimi bir logit linkini ifade eder. Tabii ki hala binom bir regresyon.

zamanın tahmini 0.015'tir. Birim zaman başına ölüm oranlarının exp (0.015) = 1.015113 (birim zaman başına ~% 1.5 artış) ile çarpıldığını söylemek doğru mudur?

Hayır, çünkü log oranları bakımından modellenmez. Logit bağlantısına sahip olduğun şey bu; log-odds açısından çalışan bir model istiyorsanız, logit-link kullanın.

Tamamlayıcı log-log link fonksiyonu şöyle diyor:

η(x)=log(log(1πx))=xβ

burada .πx=P(Y=1|X=x)

Yani oran oranı değildir; gerçekten .exp(η)exp(η)=log(1πx)

Dolayısıyla ve . Sonuç olarak, bazı belirli için bir oran oranına ihtiyacınız varsa , birini hesaplayabilirsiniz, ancak parametrelerin log oranlarına katkısı açısından doğrudan basit bir yorumu yoktur.exp(exp(η))=(1πx)1exp(exp(η))=πxx

Bunun yerine (şaşırtıcı olmayan bir şekilde), bir parametre tamamlayıcı log- log'a ( cinsinden birim değişikliği için ) katkı gösterir.x


Ben nazikçe yorumunda sorusunu ima etti:

Birim zaman başına ölüm olasılığının (yani tehlike)% 1,5 oranında arttığını söylemek doğru mudur?

Tamamlayıcı log-log modelindeki parametrelerin tehlike oranı açısından düzgün bir yorumu vardır. Bizde var:

eη(x)=log(1πx)=log(Sx) , burada , hayatta kalma işlevidir.S

(Yani log-hayatta kalma, örnekte bir zaman başına% 1.5 oranında düşecektir.)

Şimdi, tehlike, , yani gerçekten de örnekte olduğu gibi görünüyor soruya bakıldığında, zaman birimi başına ölüm oranı * olasılığı yaklaşık% 1,5 oranında arttırılmıştır.h(x)=ddxlog(Sx)=ddxeη(x)

* (veya daha genel olarak Plog olanloglog linkli binom modeller için )P(Y=1)


7
Birim zaman başına ölüm olasılığının (yani tehlike)% 1,5 oranında arttığını söylemek doğru mudur?
Ben Bolker,
Sitemizi kullandığınızda şunları okuyup anladığınızı kabul etmiş olursunuz: Çerez Politikası ve Gizlilik Politikası.
Licensed under cc by-sa 3.0 with attribution required.