Lojistik regresyonda (veya diğer regresyon formlarında) doğrusal olmama durumunun test edilmesi

Lojistik regresyon varsayımlarından biri, logit içindeki doğrusallıktır. Modelimi çalıştırıp çalıştırdığımda Box-Tidwell testi kullanarak doğrusal olmama durumunu test ediyorum. Sürekli tahmincilerimden biri (X) doğrusal olmama açısından pozitif test etti. Bundan sonra ne yapacağım?

Bu varsayımların ihlali olduğundan, yordayıcıdan (X) kurtulmalı mıyım yoksa doğrusal olmayan dönüşümü (X * X) dahil etmeliyim. Veya değişkeni kategorik bir biçime mi dönüştürürsünüz? Eğer bir referansınız varsa lütfen bana da işaret eder misiniz?

rcs$X$

Sen kullanarak Box-Tidwell testiyle sonuçları karşılaştırabilirsiniz boxTidwell()içinde araba paketinin.

Kategorik olanları içine sürekli yordayıcılarını dönüştürme, genellikle iyi bir fikir değildir mesela bkz Kategorize Sürekli Değişkenler Yarattığı Sorunlar .

Olabilir lineer olmayan bir dönüşüm dahil edilmesi uygun x , ancak muhtemelen sadece X x x , yani x ² . Hangi dönüşümün kullanılacağını belirlemede yararlı bir referans bulabileceğinizi düşünüyorum:

GEP Box ve Paul W. Tidwell (1962). Bağımsız Değişkenlerin Dönüşümü. Technometrics Cilt 4 Sayı 4, sayfa 531-550. http://www.jstor.org/stable/1266288

Bazıları Box-Tidwell dönüşüm ailesinin yorumlanabilirlik ve parsimony için genellikle uygun olandan daha genel olduğunu düşünmektedir . Patrick Royston ve Doug Altman , etkili bir 1994 makalesinde Box-Tidwell dönüşümleri için basit rasyonel güçlerle fraksiyonel polinomlar terimini tanıttı :

P. Royston ve DG Altman (1994). Sürekli ortak değişkenlerin fraksiyonel polinomları kullanılarak regresyon: parsimonious parametrik modelleme. Uygulamalı İstatistik Cilt 43: sayfa 429-467. http://www.jstor.org/stable/2986270

Özellikle Patrick Royston, Willi Sauerbrei'yle ilgili bir kitapla sonuçlanarak, hem kağıt hem de yazılım üzerinde çalışmaya ve yayınlamaya devam etti:

P. Royston ve W. Sauerbrei (2008). Çok Değişkenli Model Oluşturma: Sürekli Değişkenleri Modellemek için Kesirli Polinomlara Dayalı Regresyon Analizine Pragmatik Bir Yaklaşım . Chichester, İngiltere: Wiley. ISBN 978-0-470-02842-1

X ve diğer bağımsız değişkenler arasındaki etkileşimleri kontrol etmeyi unutmayın. Etkileşimlerin modellenmemiş olarak bırakılması, X'in basitçe katkısız olduğu zaman doğrusal olmayan bir etkiye sahip gibi görünmesini sağlayabilir.