GraphPad Prism 統(tǒng)計指南 | 對數(shù)優(yōu)勢

是 否 +2 論壇幣

k人 參與回答

經(jīng)管之家送您一份

應(yīng)屆畢業(yè)生專屬福利!

求職就業(yè)群

趙安豆老師微信：zhaoandou666

經(jīng)管之家聯(lián)合CDA

送您一個全額獎學(xué)金名額~ !

立即領(lǐng)取

感謝您參與論壇問題回答

經(jīng)管之家送您兩個論壇幣！

+2 論壇幣

什么是對數(shù)優(yōu)勢以及為什么邏輯回歸使用對數(shù)優(yōu)勢？

簡單邏輯回歸的模型可寫為logit[P（Y=1）]=β0+β1 * X+error。
在右手側(cè)，這與簡單線性回歸模型相匹配（記住簡單線性回歸模型為Y=intercept+slope *X）。左手側(cè)包括一個“l(fā)ogit”函數(shù)（long o，soft g），其根據(jù)Y是變量（只能取0和1）的事實進(jìn)行調(diào)整。簡言之，logit是優(yōu)勢（Y=1）的對數(shù)，“P（Y=1）”是Y等于1的概率。請注意，在此情況下，“P”是概率的縮寫，與P值無關(guān)。
如需理解什么是“對數(shù)優(yōu)勢”，了解對數(shù)的含義是很重要。優(yōu)勢等于Y=1的概率除以Y=0的概率。例如，如果Y=1的概率是0.8（或Y=1的概率是80%），則Y=0的概率是1-0.8或0.2（記住，Y只能是0或1，因此Y=0的概率是1-[Y=1的概率]）。使用這些數(shù)據(jù)，我可計算這兩個數(shù)據(jù)的優(yōu)勢：優(yōu)勢=P（Y=1）/P（Y=0）=0.8/0.2=4
在此情況下，優(yōu)勢為4。您會經(jīng)常聽到人們把這稱為4:1的優(yōu)勢，可將其讀作“4比1的優(yōu)勢”現(xiàn)在我們知道了優(yōu)勢與概率的關(guān)系，我們就可進(jìn)行最后一步來計算對數(shù)優(yōu)勢了。這只需要使用計算出的優(yōu)勢值，然后對該值取自然對數(shù)（Ln）：對數(shù)優(yōu)勢=Ln（Odds）=Ln（P（Y=1）/P（Y=0））=Ln（P（Y=1）/[1-P（Y=1）]）
以上列出的所有對數(shù)優(yōu)勢形式均是等價的，盡管這種數(shù)學(xué)方法聽起來很混亂，但我們完成所有這些工作的原因是，我們想建立Y=1（或Y=0）的概率模型。
更重要的是，我們想用線性模型（簡單邏輯回歸方程的右手側(cè)）來模擬這種概率�；叵胍幌�，概率介于0和1之間。簡單邏輯回歸模型的右手側(cè)，與簡單線性回歸模型一樣，可生成（理論上）從負(fù)無窮大到正無窮大的任何值。logit函數(shù)可用于這兩個范圍的連接。
從概率開始：這些值只能從0到1：
首先，我們?nèi)��?yōu)勢，將該從0到1的標(biāo)度轉(zhuǎn)換成從0到+無窮大的標(biāo)度（計算0到1之間任何概率的優(yōu)勢，自己看吧�。�：
接下來，我們?nèi)��?yōu)勢的自然對數(shù)，得到對數(shù)優(yōu)勢，它將標(biāo)度再次轉(zhuǎn)換為從負(fù)無窮大到正無窮大的標(biāo)度：
因此，可將logit函數(shù)視為使用數(shù)學(xué)運(yùn)算將模型右手側(cè)生成的值（可以是任何值）連接至概率的界限值（必須在0和1之間）。

掃碼加我 拉你入群

請注明：姓名-公司-職位

以便審核進(jìn)群資格，未注明則拒絕

分享0 收藏0 回帖

關(guān)鍵詞：GraphPad GRAPH Prism GRAP ISM

點個贊加點人氣
感謝分享