Les posteurs les plus actifs de la semaine
Aucun utilisateur |
Sujets les plus vus
Modalisa et régression
2 participants
Page 1 sur 1
Modalisa et régression
Bonjour,
Je recherche les définitions et interpretations des divers coefficients et paramètres proposés par Modalisa lorsqu'on effectue une régréssion économétrique (logit binomiale)
- log vraisemblace
- constante seulement
- 2*[LL(N)-(LL(0)]
-dl (degré de liberté)
- valeur de p
-AIC
-Schwarz's BIC
et les paramètres suivants:
- constante
coefficient
erreur-type
wald-khi²
significatif
odd-ratio
bref, j'essaie de comprendre quand est ce que mon modèle est "acceptable"?
Merci
Je recherche les définitions et interpretations des divers coefficients et paramètres proposés par Modalisa lorsqu'on effectue une régréssion économétrique (logit binomiale)
- log vraisemblace
- constante seulement
- 2*[LL(N)-(LL(0)]
-dl (degré de liberté)
- valeur de p
-AIC
-Schwarz's BIC
et les paramètres suivants:
- constante
coefficient
erreur-type
wald-khi²
significatif
odd-ratio
bref, j'essaie de comprendre quand est ce que mon modèle est "acceptable"?
Merci
sandra78- Nombre de messages : 3
Date d'inscription : 15/10/2009
Re: Modalisa et régression
Bonjour,
il est à mon avis primordiale que tu te penches sur la régression logistique. Regarde sur le forum tu as déjà de nombreux topic qui abordent cette question avec de nombreux liens.
Les statistiques proposées par ton logiciel sont des statistiques de bases à connaître lorsque l'on fait de la régression logistique.
il est à mon avis primordiale que tu te penches sur la régression logistique. Regarde sur le forum tu as déjà de nombreux topic qui abordent cette question avec de nombreux liens.
Les statistiques proposées par ton logiciel sont des statistiques de bases à connaître lorsque l'on fait de la régression logistique.
droopy- Nombre de messages : 1156
Date d'inscription : 04/09/2009
Need help! F1 F1
Bonjour,
Justement, je me plonge dans la régression logistique, et même en se documentant, c'est difficile de comprendre les chiffres de ces coefficients. Faut dire que les documents informent généralement sur l'explication mathématique, et non par exemple si j'ai tel coeff=n, qu'est ce que je peux en déduire?
Merci pour la réponse, j'ai lu (presque la totalité) des documents que vous (ou d'autres ) ont suggéré mais dur dur!!
Merci
Justement, je me plonge dans la régression logistique, et même en se documentant, c'est difficile de comprendre les chiffres de ces coefficients. Faut dire que les documents informent généralement sur l'explication mathématique, et non par exemple si j'ai tel coeff=n, qu'est ce que je peux en déduire?
Merci pour la réponse, j'ai lu (presque la totalité) des documents que vous (ou d'autres ) ont suggéré mais dur dur!!
Merci
sandra78- Nombre de messages : 3
Date d'inscription : 15/10/2009
Re: Modalisa et régression
Le problème c'est que par exemple, la log vraissemblance en elle même est difficile à apprécier, elle sert principalement pour tester ton modèle par rapport à un modèle nul. En elle même elle n'est pas très informative.
2*[LL(N)-(LL(0)] représente la différence de déviance de ton modèle que tu peux comparer à une valeur de chi deux théorique à p dll.
Le p dll t'est donné en dessous et la p-value est la probabilité que tu observes aléatoirement une valeur plus importante que le 2*[LL(N)-(LL(0)] que tu as observé.
L'AIC est un critère d'information dont le calcul est basé sur la lof vraisemblance. Celui-ci n'a de sens que comparé à un AIC d'un autre modèle.
La constante c'est la valeur de ton ordonnée à l'origine souvent noté alpha ou intercept.
Coefficient la valeur des coefficients associés à tes variables.
L'erreur type est l'écart type de l'estimateur de ton coefficient (voir wiki).
wald-khi² tu testes si ton coefficient est significativement différent de 0.
odd-ratio : le rapport des chances.
Difficile de t'en dire plus.
2*[LL(N)-(LL(0)] représente la différence de déviance de ton modèle que tu peux comparer à une valeur de chi deux théorique à p dll.
Le p dll t'est donné en dessous et la p-value est la probabilité que tu observes aléatoirement une valeur plus importante que le 2*[LL(N)-(LL(0)] que tu as observé.
L'AIC est un critère d'information dont le calcul est basé sur la lof vraisemblance. Celui-ci n'a de sens que comparé à un AIC d'un autre modèle.
La constante c'est la valeur de ton ordonnée à l'origine souvent noté alpha ou intercept.
Coefficient la valeur des coefficients associés à tes variables.
L'erreur type est l'écart type de l'estimateur de ton coefficient (voir wiki).
wald-khi² tu testes si ton coefficient est significativement différent de 0.
odd-ratio : le rapport des chances.
Difficile de t'en dire plus.
droopy- Nombre de messages : 1156
Date d'inscription : 04/09/2009
Sujets similaires
» Modalisa: choix nombre de classes lors classification
» Régression Logistique vs Régression Linéaire
» régression multiple et régression logistique
» Regression / regression médiane
» Regression
» Régression Logistique vs Régression Linéaire
» régression multiple et régression logistique
» Regression / regression médiane
» Regression
Page 1 sur 1
Permission de ce forum:
Vous ne pouvez pas répondre aux sujets dans ce forum
|
|