бета-регрессия против линейной регрессии для строго ограниченной исходной переменной [0,1] - PullRequest
0 голосов
/ 26 мая 2019

Поэтому я пытаюсь объяснить мою строго ограниченную переменную (процент) некоторыми предикторами - как категориальными, так и числовыми.Я прочитал довольно много о теме, но я все еще запутался в некоторых аргументах.Цель моей регрессии - объяснить, а не предсказать.

Каковы последствия запуска линейной регрессии на строго ограниченной переменной результата?

1 Ответ

0 голосов
/ 26 мая 2019

Линейная регрессия не имеет ограниченного выхода.Это линейное преобразование входа, поэтому, если вход будет в два раза больше, выход будет в два раза больше.Таким образом, всегда будет возможно найти входные данные, которые выходят за пределы выходных данных.

Вы можете применить сигмовидную функцию к выходу линейной регрессии (это называется «логистическая регрессия»), ноэто смоделирует двоичную переменную и даст вам вероятность того, что переменная равна 1. В вашем случае ваша переменная не является двоичной, она может иметь любое значение от 0 до 1. Для этой проблемы вам нужно применить бета-регрессию,что даст вам ограниченный вывод между 0 и 1.

Добро пожаловать на сайт PullRequest, где вы можете задавать вопросы и получать ответы от других членов сообщества.
...