Residuos de regresión logística regresión en otros Regressors

Question

Con MODELOS de regresión aplicados a la respuesta continua, se puede construir la ecuación de regresión múltiple de forma secuencial de ejecución de las regresiones de los residuos en cada covariable. Mi pregunta es, hay alguna forma de hacerlo con la regresión logística a través de la regresión logística de los residuos?

Es decir, si yo quiero estimar $\Pr(Y = 1 | x, z)$ utilizando para ello el modelo lineal generalizado el enfoque de modelado, hay una manera de ejecutar la regresión logística en contra de $x$ y obtener pseudo-residuos de $R_1$, entonces la regresión $R_1$ a $z$ para obtener un estimador imparcial de los coeficientes de regresión logística. Las referencias a los libros de texto o la literatura sería apreciada.

Answer 1

Espero que no estoy interpretando mal su pregunta, mi respuesta va a cambiar un poco la redacción de cómo su enunciado de su sujeto.

Yo creo que lo que están tratando de hacer es construir tu modelo de regresión mediante la adición de una variable independiente en un tiempo. Y, para ello hay que observar cual los futuros variable tiene la mayor correlación con el residual de su primera regresión entre y y X1. Así, la variable con mayor correlación con este primer residual será X2. Por lo tanto, ahora que usted tiene un modelo con dos variables independientes X1 Y X2. Y, de continuar este proceso exacto para seleccionar X3, X4, etc. Este es un paso a paso del proceso.

Usted puede hacer exactamente lo mismo con la Regresión Logística por la sencilla razón de que la Regresión Logística es casi un MODELOS de Regresión donde la variable dependiente es el logaritmo de la impar (o logit). Pero, si Y es un logit o no no afecta etapas del proceso mencionado anteriormente.

OLS minimiza la suma de los cuadrados de los errores para que se ajuste a los datos reales. La regresión Logit utiliza una máxima verosimilitud proceso que genera un ajuste que no es muy diferente al de OLS. Y, que también (el mecanismo de ajuste) no debe afectar a la gradual proceso que le permite construir su modelo de regresión múltiple, ya que el último es una Regresión por MCO o una Regresión Logit.