数据分析之Logistic回归分析中的【多元有序逻辑回归】
多元有序逻辑回归基于概率模型，它假设因变量的每个类别与一个潜在的连续变量（或称为对数优势）相关联。这个潜在变量的大小决定了观察到的有序分类结果。模型的目标是估计自变量对潜在变量的影响，以及它们如何影响因变量在不同有序类别之间的概率。多元有序逻辑回归用于分析有序分类因变量与一个或多个自变量之间的关系。有序逻辑回归适用于因变量具有自然排序但没有固定间距的类别，例如疾病严重程度（轻度、中度、重度）或调查问卷中的满意度评分（非常不满意、不满意、一般、满意、非常满意）。
1、定义
-
多元有序逻辑回归用于分析有序分类因变量与一个或多个自变量之间的关系。有序逻辑回归适用于因变量具有自然排序但没有固定间距的类别，例如疾病严重程度（轻度、中度、重度）或调查问卷中的满意度评分（非常不满意、不满意、一般、满意、非常满意）。
-
多元有序逻辑回归基于概率模型，它假设因变量的每个类别与一个潜在的连续变量（或称为对数优势）相关联。这个潜在变量的大小决定了观察到的有序分类结果。模型的目标是估计自变量对潜在变量的影响，以及它们如何影响因变量在不同有序类别之间的概率。
-
因变量的数量为n的有序逻辑回归，可以拆分为n-1 个二分类的logistic回归模型。只是这n-1个模型中进行logit变换的不是响应变量每个类别的概率，而是响应变量有序取值水平的累积概率。模型需要满足一个非常重要的前提：风险比例假定。
- 平行线检验
2、用法
在使用多元有序逻辑回归时，首先需要满足几个条件：
- 因变量是有序的，且类别间存在自然排序。
- 自变量可以是连续的，也可以是分类的。
- 数据应该是独立的，即每个观测值的结果不受其他观测值的影响。
- 自变量之间不存在多重共线性。
- 比例优势假设得到满足，即自变量对因变量的影响在所有有序类别的边界上是一致的。
3、使用场景
多元有序逻辑回归常用于以下场景：
- 医学研究中评估不同因素对疾病严重程度的影响。
- 社会科学中分析个体特征对满意度或态度的影响。
- 市场研究中了解不同因素如何影响消费者的产品评价等级。
相关文章:
-
决策树-电信用户流失预测
首先，我们需要导入所需的库，并加载数据集。数据集包含多个特征，如客户年龄、性别、收入等，以及一个目标变量“流失状态”。接下来，我们将数据集划分为训练集和测试集。...
[阅读全文]
-
tips：标题前有“***”的内容为补充内容，是给好奇心重的宝宝看的，可自行跳过。文章内容被“文章内容”删除线标记的，也可以自行跳过。！！”一般需要特别注意或者容易出错的地方。本系…
-
决策树模型是机器学习中不可不学的模型之一，本文简单直接地快速讲解决策树是什么，如何实现。…
-
-
ID3，C4.5和CART三种决策树。树结构是计算机领域中常见的一种数据结构，他由1个根节点，若干个中间节点和若干个叶子节点构成。如图所示，1是根节点（根节点明显特征是没有任何的输…
-
版权声明：本文内容由互联网用户贡献，该文观点仅代表作者本人。本站仅提供信息存储服务，不拥有所有权，不承担相关法律责任。
如发现本站有涉嫌抄袭侵权/违法违规的内容， 请发送邮件至 2386932994@qq.com 举报，一经查实将立刻删除。
我要评论
发表评论