Me gustaría saber cómo se determina el rendimiento de los modelos. Es decir, si ajusta un modelo logit o probit multinomial para una elección discreta sin orden. ¿Qué utiliza para evaluar si tiene un buen modelo?
Por favor, facilítenme cualquier material de referencia que pueda leer más sobre este tema. Sitios web, artículos o referencias de libros sobre este tema serán de gran ayuda. ¡Estoy un poco atascado!
Dispongo de R, SAS, Stata, SPSS y Minitab.
Yo consideraría estas pruebas como mínimo:
Con Stata, compruebe el SPost de Long y Freese como su como su libro de variables categóricas para el código y una buena introducción a todas estas pruebas con ejemplos.
El uso de matrices de confusión es similar al uso de % predicho, que es una regla de puntuación inadecuada y podría potencialmente llevar a favorecer un modelo "malo".. Una regla de puntuación adecuada, así como la de McFadden $R^2$ y otras medidas de probabilidad recompensarán a los modelos que mejor capturen las probabilidades reales.
@Matthew Yo no recomendaría el uso de CMs (o cualquier medida univariante de ajuste) para la selección automatizada de modelos. No creo que el OP estaba preguntando acerca de la selección de modelos. Pero como una medida de ajuste que le dice si un modelo dado pone a la gente en los cubos de la derecha, o tal vez en una muestra hold-out, CMs puede ser útil.
Me gusta repasar los tutoriales de IDRE. Aquí están los de R, también los tienen para SAS:
http://www.ats.ucla.edu/stat/r/dae/logit.htm
http://www.ats.ucla.edu/stat/r/dae/mlogit.htm
http://www.ats.ucla.edu/stat/r/dae/probit.htm
Esto es lo que dice el artículo sobre los diagnósticos multinomiales:
Diagnóstico y ajuste del modelo: A diferencia de la regresión logística, en la que existen estadísticas para realizar diagnósticos del modelo, no es tan diagnóstico con modelos de regresión logística multinomial. de regresión logística multinomial. Para detectar valores atípicos o puntos de datos influyentes de datos influyentes, se pueden ejecutar modelos logit separados y utilizar en cada modelo.
Del artículo de logística:
Diagnóstico: Los diagnósticos de la regresión logística son diferentes de los de la regresión OLS. Para un análisis de los diagnósticos del modelo para la regresión logística, véase Hosmer y Lemeshow (2000, capítulo 5). Tenga en cuenta que los diagnósticos realizados para la regresión logística son similares a los realizados para la regresión probit.
I-Ciencias es una comunidad de estudiantes y amantes de la ciencia en la que puedes resolver tus problemas y dudas.
Puedes consultar las preguntas de otros usuarios, hacer tus propias preguntas o resolver las de los demás.
0 votos
Andy W Dr Wolfgang Langer. La evaluación del ajuste en la clase de modelos de regresión logística: A pathway out of the jungle of Pseudo R's. Busca ese documento en Google, allí encontrarás la información y las citas.