克里斯托弗·曼宁(Christopher Manning)关于R中逻辑回归的文章显示,R中的逻辑回归如下:
ced.logr <- glm(ced.del ~ cat + follows + factor(class),
family=binomial)
一些输出:
> summary(ced.logr)
Call:
glm(formula = ced.del ~ cat + follows + factor(class),
family = binomial("logit"))
Deviance Residuals:
Min 1Q Median 3Q Max
-3.24384 -1.34325 0.04954 1.01488 6.40094
Coefficients:
Estimate Std. Error z value Pr(>|z|)
(Intercept) -1.31827 0.12221 -10.787 < 2e-16
catd -0.16931 0.10032 -1.688 0.091459
catm 0.17858 0.08952 1.995 0.046053
catn 0.66672 0.09651 6.908 4.91e-12
catv -0.76754 0.21844 -3.514 0.000442
followsP 0.95255 0.07400 12.872 < 2e-16
followsV 0.53408 0.05660 9.436 < 2e-16
factor(class)2 1.27045 0.10320 12.310 < 2e-16
factor(class)3 1.04805 0.10355 10.122 < 2e-16
factor(class)4 1.37425 0.10155 13.532 < 2e-16
(Dispersion parameter for binomial family taken to be 1)
Null deviance: 958.66 on 51 degrees of freedom
Residual deviance: 198.63 on 42 degrees of freedom
AIC: 446.10
Number of Fisher Scoring iterations: 4
然后,他详细介绍了如何解释系数,比较不同的模型等等。非常有用。
但是,该模型占多少差异?一个逻辑回归塔塔页说:
从技术上讲,在逻辑回归中不能像在OLS回归中那样计算。在逻辑回归中,伪定义为,其中表示“仅恒定”模型的对数似然性,是具有以下项的完整模型的对数似然性常数和预测变量。R 2 1 − L 1 L0L1
我从高水平理解这一点。仅常数模型将没有任何参数(仅拦截项)。对数似然度是参数拟合数据的紧密程度的度量。事实上,那种曼宁暗示的偏差可能是。也许零偏差仅是常数,而残余偏差则是模型的?但是,我不清楚。− 2 log L
有人可以使用此示例验证如何实际计算的伪吗?