Perbezaan antara regresi linear dan logistik

Regresi logistik linear vs

Dalam analisis statistik, adalah penting untuk mengenal pasti hubungan antara pembolehubah yang berkaitan dengan kajian. Kadang -kadang mungkin satu -satunya tujuan analisis itu sendiri. Satu alat yang kuat yang digunakan untuk mewujudkan kewujudan hubungan dan mengenal pasti hubungan adalah analisis regresi.

Bentuk analisis regresi yang paling mudah adalah regresi linear, di mana hubungan antara pembolehubah adalah hubungan linear. Dalam istilah statistik, ia membawa hubungan antara pemboleh ubah penjelasan dan pemboleh ubah tindak balas. Sebagai contoh, dengan menggunakan regresi kita dapat mewujudkan hubungan antara harga komoditi dan penggunaan berdasarkan data yang dikumpulkan dari sampel rawak. Analisis regresi akan menghasilkan fungsi regresi set data, yang merupakan model matematik yang paling sesuai dengan data yang ada. Ini dengan mudah boleh diwakili oleh plot penyebaran. Regresi secara grafik bersamaan dengan mencari lengkung pemasangan terbaik untuk set data yang diberikan. Fungsi lengkung adalah fungsi regresi. Menggunakan model matematik penggunaan komoditi boleh diramalkan untuk harga yang diberikan.

Oleh itu, analisis regresi digunakan secara meluas dalam meramalkan dan ramalan. Ia juga digunakan untuk mewujudkan hubungan dalam data eksperimen, dalam bidang fizik, kimia, dan dalam banyak sains semula jadi dan disiplin kejuruteraan. Sekiranya hubungan atau fungsi regresi adalah fungsi linear, maka prosesnya dikenali sebagai regresi linear. Dalam plot berselerak, ia boleh diwakili sebagai garis lurus. Sekiranya fungsi bukan gabungan linear parameter, maka regresi tidak linear.

Regresi logistik setanding dengan regresi multivariate, dan ia mewujudkan model untuk menjelaskan kesan pelbagai peramal pada pemboleh ubah tindak balas. Walau bagaimanapun, dalam regresi logistik, pemboleh ubah hasil akhir harus dikategorikan (biasanya dibahagikan; i.e., Sepasang hasil yang boleh dicapai, seperti kematian atau kelangsungan hidup, walaupun teknik khas membolehkan lebih banyak maklumat dikategorikan dimodelkan). Pemboleh ubah hasil yang berterusan boleh diubah menjadi pemboleh ubah kategori, untuk digunakan untuk regresi logistik; Walau bagaimanapun, runtuh pembolehubah berterusan dengan cara ini kebanyakannya tidak digalakkan kerana ia mengurangkan ketepatannya.

Tidak seperti dalam regresi linear, ke arah min, pemboleh ubah ramalan dalam regresi logistik tidak perlu dipaksa disambungkan secara linear, diedarkan secara umum, atau mempunyai varians yang sama di dalam setiap kelompok. Akibatnya, hubungan antara peramal dan pembolehubah hasil tidak mungkin menjadi fungsi linear.

Apakah perbezaan antara regresi logistik dan linear?

• Dalam regresi linear, hubungan linear antara pemboleh ubah penjelasan dan pemboleh ubah tindak balas diandaikan dan parameter yang memuaskan model ditemui dengan analisis, untuk memberikan hubungan yang tepat.

• Regresi linear dijalankan untuk pembolehubah kuantitatif, dan fungsi yang dihasilkan adalah kuantitatif.

• Dalam regresi logistik, data yang digunakan boleh sama ada kategori atau kuantitatif, tetapi hasilnya selalu dikategorikan.