Modele de pseudo

Lors de l`analyse des données avec une régression logistique, une statistique équivalente à R-squared n`existe pas. Les estimations de modèle à partir d`une régression logistique sont des estimations de probabilité maximale sont arrivés à travers un processus itératif. Ils ne sont pas calculés pour minimiser la variance, de sorte que l`approche des OLS à la bonté d`ajustement ne s`applique pas. Cependant, pour évaluer la bonté de l`ajustement des modèles logistiques, plusieurs Pseudo-R-squareds ont été développés. Ce sont des «Pseudo» R-squareds parce qu`ils ressemblent à R-squared dans le sens où ils sont sur une échelle similaire, allant de 0 à 1 (bien que certains Pseudo R-squareds jamais atteindre 0 ou 1) avec des valeurs plus élevées indiquant un meilleur ajustement du modèle, mais ils ne peuvent pas être interprétés comme un interpréter un OLS R-Squared et différents Pseudo-R-squareds peuvent arriver à des valeurs très différentes. Notez que la plupart des progiciels signalent le logarithme naturel de la probabilité en raison de problèmes de précision à virgule flottante qui surviennent plus souvent avec des probabilités bruts. „Aidé par le parrainage, mon entreprise a déjà investi HK $2 millions sur les filles. Nous n`avons pas encore de briser, mais je reçois une grande satisfaction de mon travail maintenant. Compte tenu de mon éducation limitée, je pense que j`ai déjà accompli beaucoup», dit l`ancien Pseudo-modèle. Janice est l`un des modèles célèbres à Hong Kong.

Elle est née en décembre 29th 1988. Elle a débuté sa carrière comme mannequin à l`âge de 14 ans. En 2007, elle regarda son premier film intitulé „l`amour est tout à fait pas autour“. En 2008, Janice a gagné plus de 3 millions HKD. Une régression logistique a été exécutée sur 200 observations dans Stata. Pour plus d`informations sur les données et le modèle, consultez sortie annotée pour la régression logistique dans Stata. Après avoir exécuté le modèle, l`entrée de la commande fitstat donne plusieurs mesures d`adéquation de l`ajustement. Vous pouvez télécharger fitstat à partir de stata en tapant la recherche spost9_ado (voir comment puis-je utiliser la commande de recherche pour rechercher des programmes et obtenir de l`aide supplémentaire? pour plus d`informations sur l`utilisation de la recherche).

L`interprétation d`un OLS R-squared est relativement simple: «la proportion de la variabilité totale du résultat qui est comptabilisée dans le modèle». Dans la construction d`un modèle, l`objectif est généralement de prédire la variabilité. La variable de résultat a une plage de valeurs, et vous êtes intéressé à savoir quelles circonstances correspondent à quelles parties de la gamme. Si vous êtes à la recherche de valeurs à la maison, en regardant une liste de prix à domicile vous donnera une idée de la gamme des prix à la maison. Vous pouvez construire un modèle qui inclut des variables comme l`emplacement et les pieds carrés pour expliquer la gamme des prix. Si la valeur R-squared d`un tel modèle est. 72, alors les variables dans votre modèle ont prédit 72% de la variabilité des prix. Ainsi, la plupart de la variabilité a été comptabilisée, mais si vous souhaitez améliorer votre modèle, vous pouvez envisager d`ajouter des variables. Vous pouvez également créer un modèle qui prédit les scores de test pour les élèves d`une classe en utilisant les heures d`étude et la note de test précédente comme prédicteurs. Si votre valeur R-squared de ce modèle est.

75, votre modèle a prédit 75% de la variabilité des scores. Bien que vous ayez prédit deux variables de résultats différentes dans deux jeux de données différents à l`aide de deux ensembles de prédicteurs différents, vous pouvez comparer ces modèles à l`aide de leurs valeurs R-squared: les deux modèles ont pu prédire des proportions similaires de variabilité dans leur résultats respectifs, mais le modèle de résultats de test prédit une proportion légèrement plus élevée de la variabilité des résultats que le modèle des prix d`origine.