בתשובה לבועז, 19/03/03 19:51
כי לפעמים גם קורה שלא. 136285
לוגריתם. באנגלית - logistic regression. אבל אני לא יודעת אם "לוגיסטית" היא בכלל מילה בעברית שלא במשמעות של "לוגיסטיקה" (הממונה על לוגיסטיקה בארגון הוא לרוב זה שמוודא שכשצריך לצבוע קיר יש מי שצובע אותו, לא?).
כי לפעמים גם קורה שלא. 136292
תודה. הסתכלתי על זה קצת בגוגל, וכפי שאני מבין ממה שקראתי, הרעיון של רגרסיה הוא להניח שיש קשר בין משתנה מקרי מסוים וכמה משתנים מקריים אחרים, ולהניח שהקשר הזה מתנהג בצורה של פונקציה לינארית (או פונקציה דמוית S במקרה של הlogistic regression) ואז למצוא את המקדמים של הפונקציה הזו.

אם טעיתי בהבנה אנא תקני אותי, אם לא, יש לי שאלה:
האם כאשר משתמשים ברגרסיה יש הצדקה תיאורטית להניח שהקשר הוא דווקא מהצורה המסויימת הזו, ולא פונקציה אחרת (כמו למשל פולינום מדרגה 17)? או שהמחקר הוא זה שמאמת את ההשערה שהקשר הוא דווקא מהצורה הזו?
כי לפעמים גם קורה שלא. 136301
אני לא יודעת מה זה פולינום מדרגה 17, אבל נדמה לי שהבנתי את השאלה שלך. הפונקציה דמויית ה-S נובעת מאופי המשתנה התלוי - כיוון שהערכים שלו יכולים להיות רק 0 או 1, הפונקציה בהכרח תיצור S ולא יכולה להראות ליניאריות. במקרה של רגרסיה פשוטה, כמובן שייתכן מצב בו תיאורטית נדמה היה לך שהקשר יהיה ליניארי, אך במציאות הוא איננו. זו אחת הסיבות לכך שיש להיות זהירים מאוד בשימוש ברגרסיה, כיוון שתוכנות סטטיסטיות תעברנה כברירת מחדל את קו הרגרסיה כ"קו הערכים הממוצעים", בעוד שאם תיקח עפרון ותעקוב אחרי ה-scatterplot של הערכים, הקו לא יהיה ישר, אלא יהיה בצורת W או C. קיימים הרבה מבחנים שמספקים לחוקר אינדיקציה בנוגע לאופי הקשרים בין המשתנים, והחוקר יכול להסיק שהקשר הוא לא ליניארי.

טוב, זה היה הסבר אומלל. אל"מ*, וקשה להסביר את עקרונות הרגרסיה בפסקה אחת. אני משוכנעת שאביב, למשל, יוכל לעשות את זה הרבה יותר טוב ממני.

*אני לא מתימטיקאית
עוד על סטטיסטיקה 136306
אפשר למצוא בתגובה 94662.
תודה! הסבר מצוין 136367

חזרה לעמוד הראשי המאמר המלא

מערכת האייל הקורא אינה אחראית לתוכן תגובות שנכתבו בידי קוראים