Modèle probit logit

Previous post: mai 2015 Webinar des membres: transformations et effets non linéaires dans les modèles linéaires nous allons utiliser le même jeu de données que la régression logit de l`UCLA dans le didacticiel R pour explorer la régression logistique en Python. Notre objectif sera d`identifier les différents facteurs qui peuvent influencer l`admission dans les études supérieures. LogisticRegressionTrainingSummary fournit un récapitulatif pour un LogisticRegressionModel. Actuellement, seule la classification binaire est prise en charge. La prise en charge des résumés de modèles multiclasses sera ajoutée à l`avenir. La formation retourne un IsotonicRegressionModel qui peut être utilisé pour prédire les étiquettes pour les entités connues et inconnues. Le résultat de la régression isotonique est traité comme une fonction linéaire à morceaux. Les règles de prédiction sont donc: puisque nous faisons une régression logistique, nous allons utiliser la fonction Logit statsmodels. Pour plus de détails sur d`autres modèles disponibles dans les statsmodels, consultez leur documentation ici.

Analyse des effets éligibles à EntryDisplays si vous spécifiez l`option DETAILS et l`option SELECTION = FORWARD ou STEPWISE dans l`instruction MODEL. Les petites valeurs de p rejettent. Le Khi-carré de score est utilisé pour déterminer l`entrée; Voir la section test des effets individuels non dans le modèle pour plus de détails. Calcule différents critères d`ajustement basés sur un modèle avec des intercepte seulement et un modèle avec des intercepte et des variables explicatives. Si vous spécifiez l`option NOINT dans l`instruction MODEL, ces statistiques sont calculées sans tenir compte des paramètres d`interception. Reportez-vous à la section informations sur le raccord modèle pour plus de détails. Résumé des Selectionaffichages avant, arrière et STEPwise si vous spécifiez SELECTION = FORWARD, arriéré ou STEPWISE dans l`instruction MODEL. Le Khi-carré de score est utilisé pour déterminer l`entrée; Voir la section test des effets individuels non dans le modèle pour plus de détails. Le Khi-carré de Wald est utilisé pour déterminer l`enlèvement; consultez la section test des hypothèses linéaires sur les coefficients de régression pour plus de détails.

Teste l`effet articulaire des variables explicatives incluses dans le modèle. Les petites valeurs de p rejettent l`hypothèse nulle selon laquelle tous les paramètres de pente sont égaux à zéro. Voir les sections informations sur le raccord du modèle, le Khi-carré résiduel et tester les hypothèses linéaires sur les coefficients de régression pour plus de détails. Si vous spécifiez également l`option RSQUARE dans l`instruction MODEL, deux mesures généralisées sont incluses; Voir la section coefficient de détermination généralisé pour plus de détails.