Moi! En ihan pysty sisäistämään logistisen regression ajatusta. Teen tehtävää, jossa on tarkoitus tutkia kuinka hyvin vanhat gallup-tulokset ovat ennustaneet presidenttejä. Data on muodossa arvioidun suosikin galluptulos (esim. 0.50) ja voittiko etukäteissuosikki (1 jos voitti, 0 muuten).
Eikö logistinen regressio sovi tällaiseen paremmin kuin OLS? Mutta entä kuinka logistisessa regressiossa voi testata juttuja? Esim. jos estimoin mallin
Y = b0 b1*(galluptulos) jossa Y = 1 jos etukäteissuosikki voitti, niin kuinka estimoituja parametreja tulkitaan? Jos teoria on esim. "gallupit ennustavat voittajan tosi hyvin", niin tarkoittaako se että {b0=0; b1=1} tilastollisesti?
Kiitoksia!
Eikö logistinen regressio sovi tällaiseen paremmin kuin OLS? Mutta entä kuinka logistisessa regressiossa voi testata juttuja? Esim. jos estimoin mallin
Y = b0 b1*(galluptulos) jossa Y = 1 jos etukäteissuosikki voitti, niin kuinka estimoituja parametreja tulkitaan? Jos teoria on esim. "gallupit ennustavat voittajan tosi hyvin", niin tarkoittaako se että {b0=0; b1=1} tilastollisesti?
Kiitoksia!
Vastaukset 2
Vanhimmat
Pitää myös huomioda logistinen aggressio: jossa Y=random :D:D
Logistinen regressio on oikea työkalu tapauksessasi, kun vaste on dikotominen (0/1) muuttuja. Parametrien tulkinta on aivan sama kuin regressioanalyysissa yleensäkin eli riippuu käytetystä mallirakenteesta.
Pystyt laskemaan luokittelutodennäköisyydet vedonlyöntisuhteesta, mikä lienee se hyödyllisin tieto.