1. 程式人生 > >logistic 迴歸 模型診斷

logistic 迴歸 模型診斷

  1. p 值 P 值是一個概率,用來度量否定原假設的證據。概率越低,否定原假設的證據越充分。 (原假設 H0: 該自變數項與因變數之間的關聯在統計意義上不顯著) 解釋 將該特徵(因變數)項的 P 值與顯著性水平進行比較,可以評估原假設,確定因變數與模型中每個自變數(特徵)項之間的關聯在統計意義上是否顯著。 原假設宣告該項的係數等於零,意味著該項與響應之間沒有關聯。 通常,顯著性水平(用 α 或 alpha 表示)為 0.05 即可。顯著性水平 0.05 指示在實際上不存在關聯時得出存在關聯的風險為 5%。 P 值 ≤ α:關聯在統計意義上顯著 可以得出響應變數與項之間的關聯在統計意義上顯著的結論。 P 值 > α:關聯在統計意義上不顯著

    無法得出響應變數與該項之間的關聯在統計意義上顯著的結論。可能希望重新擬合沒有該項的模型。 如果多個預測變數與響應在統計意義上沒有顯著的關聯,則可以通過刪除項(一次刪除一個)來簡化模型。有關從模型中刪除項的更多資訊,請轉到模型簡化。 如果一個模型項在統計意義上顯著,則解釋取決於該項的型別。解釋如下所示: 如果一個連續預測變數顯著,則可以斷定響應水平概率取決於該預測變數。 如果一個類別預測變數顯著,則可以斷定響應水平的不同概率會出現在因子的相應水平而不是因子的參考水平。 如果一個互動作用項顯著,則可以斷定預測變數與響應水平概率之間的關係取決於該項中的其他預測變數。 如果一個多項式項顯著,則可以斷定預測變數與響應水平概率之間的關係取決於預測變數的量值。