Logistična regresija in problem ločenostiŠinkovec, Hana (Avtor) Kastelec, Damijana (Avtor) Bitežnik, Luka (Avtor) logistična regresijametoda največjega verjetjamajhni vzorciredki dogodkiločenostFirthov tip penalizacijeLogistična regresija se uporablja za preučevanje povezanosti med binarno odzivno spremenljivko (nek dogodek se zgodi ali pa ne) in množico neodvisnih spremenljivk. Z modelom lahko napovemo verjetnosti dogodka za nove enote, pogojno na vrednosti neodvisnih spremenljivk. Poleg tega ocene parametrov modela, ki jih dobimo z metodo največjega verjetja, lahko interpretiramo kot logaritem razmerja obetov. Kadar so vzorci majhni ali dogodki, v kateri od skupin, ki določajo neodvisno spremenljivko, redki, se lahko zgodi, da algoritem po metodi največjega verjetja ne konvergira, ocene parametrov modela pa so posledično nesmiselne. Pojav se v statistiki imenuje »ločenost«. Ker programska oprema problema pogosto ne identificira, raziskovalci ločenost v praksi lahko prezrejo. Dobljeni rezultati raziskovalce lahko begajo ali pa jih napačno interpretirajo. S člankom zato želimo: motivirati uporabo logistične regresije za preučevanje povezanosti binarne odzivne spremenljivke z množico neodvisnih spremenljivk; bralcem predstaviti problem ločenosti na konkretnem primeru; pokaza-i, kako problem ločenosti premostiti.20242024-10-10 12:01:02Članek v reviji163770sl