Birisi Log Logear Modelleri'ni neden çok yalın terimlerle kullandığımızı açıklayabilir mi? Mühendislik geçmişinden geliyorum ve bu gerçekten benim için zor bir konu, yani istatistikler. Bir cevap için minnettar olacağım.
Birisi Log Logear Modelleri'ni neden çok yalın terimlerle kullandığımızı açıklayabilir mi? Mühendislik geçmişinden geliyorum ve bu gerçekten benim için zor bir konu, yani istatistikler. Bir cevap için minnettar olacağım.
Yanıtlar:
Çapraz tablolar ve ki-kare gibi log lineer modeller genellikle değişkenlerin hiçbiri bağımlı veya bağımsız olarak sınıflandırılamadığında kullanılır, ancak amaç değişken grupları arasındaki ilişkiye bakmaktır. Özellikle log lineer modeller, kategorik değişken kümeleri arasındaki ilişki için faydalıdır.
Log-lineer modeller çoğunlukla oranlar için kullanılır, çünkü olasılık üzerindeki bağımsız etkiler çarparak etki eder. Günlükleri aldıktan sonra, bu doğrusal etkilere yol açar.
Aslında loglinear modelleri kullanabilmeniz için başka nedenler de var (log-link'in Poisson için kanonik bağlantı işlevi olması gibi), ancak ilk nedenin muhtemelen genel bir modelleme bakış açısından yeterli olduğunu düşünüyorum.
(aka ) dönüşümünün kullanılabilmesinin ilgili nedenlerinin listesi . Tüm logaritmalar birbirleriyle orantılı olduğundan, birçok insan tabanını kullanma eğilimindedir , çünkü bazı güzel özelliklere sahiptir. John D. Cook'u alıntılamak için,log e e
Her zaman günlük kullanmıyorum, ama yaptığımda doğal logaritmalar.
Bu liste Nick Cox'un Dönüşümlere Giriş'ten (bazı ek yorumlar ile) alınmıştır:
Son olarak, bu hedeflerin bazılarını gerçekleştirmenin tek yolu günlükler değildir.
Normal bir doğrusal model ile bir günlük doğrusal model arasındaki ortak bir yorum ve farkı görmenin yolu, probleminizin çarpımsal veya katkı maddesi olmasıdır.
Normal bir doğrusal model aşağıdaki formdadır
Bir log lineer model yanıt değişkeninde aşağıdaki denklemi veren bir log dönüşümüne sahiptir
bu dönüşür
Böylece efektler bir araya getirilmek yerine çoğaltılır.