Por favor alguien puede explicar por qué las utilizamos de Registro de Modelos Lineales en muy lay-hombre? Yo vengo de Ingeniería de fondo, y esto es realmente resultando ser un tema difícil para mí, las estadísticas de lo que es. Voy a estar agradecido por la respuesta.
Respuestas
¿Demasiados anuncios?
Registro de modelos lineales, como tablas de contingencia y chi-cuadrado, se utilizan generalmente cuando ninguna de las variables puede ser clasificado como dependiente o independiente , sino, más bien, el objetivo es buscar la asociación entre los conjuntos de variables. En particular, el registro de modelos lineales son útiles para la asociación entre los conjuntos de variables categóricas.
AdamSane
Puntos
1825
Log-lineal de los modelos se utilizan a menudo para proporciones debido a efectos independientes sobre la probabilidad actuará multiplicatively. Después de la toma de registros, esto conduce a efectos lineales.
De hecho, hay otras razones por las que usted podría utilizar loglineal modelos (como el hecho de que el registro de enlace de ser canónica de la función de enlace para la distribución de Poisson), pero creo que la primera razón por la que probablemente es suficiente a partir de una modelización punto de vista.
Neal
Puntos
316
Aquí está una lista de razones de por qué $\ln$ (aka $\log_e$) transformación puede ser utilizado. Dado que todos los logaritmos son proporcionales entre sí, muchas personas tienden a utilizar la base de $e$, ya que tiene algunas propiedades. Para citar a John D. Cook,
No siempre el uso de registros, pero cuando lo hago, son logaritmos naturales.
Esta lista está tomada de Nick Cox Introducción A las Transformaciones (con algún comentario):
- Reducir la asimetría de la distribución Gaussiana es considerado como ideal o necesaria para muchos de los métodos estadísticos (a veces erróneamente). Tomando los registros de ayuda.
- Igualar diferenciales - inducir homoskedasticity cuando hay mucha variación en los niveles.
- Alinear las relaciones - Por ejemplo, una parcela de logaritmos de una serie contra el tiempo tiene la propiedad de que los períodos con constante de las tasas de cambio son líneas rectas
- Los coeficientes$\cdot$100 tiene una semi-elasticidad de la interpretación: por un 1 unidad de cambio en $x$, se obtiene b*100% de variación en $y$. Para los binarios $x$ va de 0 a 1 efecto, el efecto es $100 \cdot(\exp\{\beta\}-1)$%. Algunas personas encuentran exponentiated coeficientes más fácil pensar que las elasticidades. Que da una proporción de los valores de Y por cada unidad de cambio en X, suponiendo una relación exponencial (un tipo de multiplicador).
- "Additivize" en las relaciones, Tratando de obtener los parámetros de una Cobb-Douglas, la función de producción es mucho más fácil sin no-lineal de los métodos. Análisis de la varianza también se requiere de la suma.
- Conveniencia/Teoría - registro de la escala puede más natural para algunos fenómenos.
Por último, los registros no son la única forma de alcanzar algunos de estos objetivos.
Ian G
Puntos
3498
Una interpretación común, y manera de ver la diferencia, entre una normal modelo lineal y un registro de modelo lineal es que si tu problema es multiplicativo o aditivo.
Normal modelo lineal tiene la siguiente forma $Y=\sum_{i=1}^M \beta_i X_i+\beta_0$
Un registro de modelo lineal tiene una transformación logarítmica de la variable de respuesta que da la siguiente ecuación
$\ln Y=\sum_{i=1}^M \beta_i X_i+\beta_0$
que se convierte en
$Y=e^{\beta_0}\prod_{i=1}^M e^{\beta_i X_i}$
Así, los efectos se multiplican en lugar de sumarse.
