أمر لوجيت الانحدار في ستاتا الفوركس

إشعار: ستقوم مجموعة الاستشارات الإحصائية إدر بترحيل الموقع إلى نظام إدارة المحتوى في وردبريس في فبراير لتسهيل الصيانة وإنشاء محتوى جديد. ستتم إزالة بعض صفحاتنا القديمة أو وضعها في الأرشيف بحيث لا يتم الاحتفاظ بها بعد الآن. سنحاول الحفاظ على عمليات إعادة التوجيه بحيث تستمر عناوين ورل القديمة في العمل بأفضل ما في وسعنا. مرحبا بكم في معهد للبحوث الرقمية والتعليم مساعدة المجموعة الاستشارية للاستشارات من خلال إعطاء هدية ستاتا المشروح الناتج طلب الانحدار اللوجستي تعرض هذه الصفحة مثالا على تحليل الانحدار اللوجستي أمر مع الحواشي السفلية شرح الإخراج. وقد جمعت البيانات عن 200 طالب في المدارس الثانوية وعشرات في مختلف الاختبارات، بما في ذلك العلوم والرياضيات والقراءة والدراسات الاجتماعية. مقياس النتيجة في هذا التحليل هو الوضع الاجتماعي والاقتصادي (سيس) - منخفض ومتوسط ​​وعالي - من الذي سوف نرى ما هي العلاقات موجودة مع درجات اختبار العلوم (العلوم)، ودرجات اختبار العلوم الاجتماعية (سوست) والجنس (الإناث ). متغير الاستجابة لدينا، سيس. سيتم التعامل معها على أنها ترتيبية تحت افتراض أن مستويات حالة سيس لديها ترتيب طبيعي (منخفض إلى مرتفع)، ولكن المسافات بين المستويات المجاورة غير معروفة. في النصف الأول من هذه الصفحة يفسر المعاملات من حيث أمر لوغ-أودز (لوجيتس) والنصف الثاني يفسر المعاملات من حيث الاحتمالات النسبية. إتراتيون سجل a. هذه قائمة باحتمالات السجل في كل تكرار. تذكر أن الانحدار اللوجستي أمر، مثل الانحدار اللوجستي ثنائي ومتعدد الحدود، يستخدم أقصى تقدير الاحتمالات، وهو إجراء تكراري. التكرار الأول (تسمى التكرار 0) هو احتمال سجل نموذج كوتنولكوت أو كيمبتيكوت، وهو نموذج بدون تنبؤات. في التكرار التالي، يتم تضمين المتنبئ (s) في النموذج. في كل تكرار، يزيد احتمال السجل لأن الهدف هو تحقيق أقصى قدر من احتمال السجل. عندما يكون الفرق بين التكرارات المتعاقبة صغير جدا، ويقال أن النموذج لديها كوتكونفيرجكوت، وتكرار توقف، ويتم عرض النتائج. لمزيد من المعلومات حول هذه العملية للنتائج الثنائية، انظر نماذج الانحدار للمتغيرات التابعة كاتيغوريكال و ليميتد بقلم J. سكوت لونغ (الصفحات 52-61). ملخص النموذج ب. لوغ ليكيليهود - هذا هو احتمال سجل النموذج المجهز. يتم استخدامه في اختبار احتمال نسبة تشي ساحة ما إذا كانت جميع معاملات الانحدار التنبؤات في النموذج في وقت واحد صفر وفي اختبارات نماذج متداخلة. ج. عدد المراقبين - هذا هو عدد الملاحظات المستخدمة في الانحدار اللوجستي المطلوب. وقد يكون أقل من عدد الحالات في مجموعة البيانات إذا كانت هناك قيم مفقودة لبعض المتغيرات في المعادلة. افتراضيا، يقوم ستاتا بحذف قائمة من الحالات غير المكتملة. د. لر chi2 (3) - هذا هو اختبار نسبة الاحتمالات (لر) تشي-سكوار أن واحد على الأقل من معامل الانحدار التنبؤات لا يساوي الصفر في النموذج. الرقم في الأقواس يدل على درجات الحرية لتوزيع مربع تشي المستخدمة لاختبار إحصائية تشي تشي ساحة وتعرف من قبل عدد من التنبؤات في النموذج. يمكن حساب إحصائية لير تشي-سكوار من خلال -2 (L (نول موديل) - L (موديل المجهز)) -2 ((- 210.583) - (-194.802)) 31.560، حيث L (نول موديل) الاحتمال مع مجرد متغير الاستجابة في نموذج (التكرار 0) و L (نموذج المجهزة) هو احتمال السجل من التكرار النهائي (على افتراض نموذج التقارب) مع جميع المعلمات. ه. بروب غ chi2 - هذا هو احتمال الحصول على إحصائية اختبار لر متطرفة، أو أكثر من تلك التي تمت ملاحظتها تحت فرضية نول الفرضية الصفرية هي أن جميع معاملات الانحدار في النموذج تساوي الصفر. وبعبارة أخرى، هذا هو احتمال الحصول على هذه الإحصائية تشي مربع (31.56) إذا كان هناك في الواقع أي تأثير للمتغيرات التنبؤ. تتم مقارنة قيمة p هذه مع مستوى ألفا محدد، استعدادنا لقبول خطأ من النوع I، والذي يتم تعيينه عادة عند 0.05 أو 0.01. قيمة p الصغيرة من اختبار لر، lt0.00001، سوف تقودنا إلى استنتاج أن واحد على الأقل من معاملات الانحدار في النموذج لا يساوي الصفر. يتم تعريف المعلمة من توزيع مربع تشي تستخدم لاختبار فرضية فارغة من قبل درجات الحرية في السطر السابق، chi2 (3). F. الزائفة R2 - وهذا هو مكفادنز الزائفة R - التربيع. الانحدار اللوجستي ليس لديه ما يعادل R - التربيع الذي يوجد في انحدار عملية شريان الحياة للسودان، ولكن العديد من الناس حاولوا التوصل إلى واحد. هناك مجموعة واسعة من الإحصاءات الزائفة R-تربيع التي يمكن أن تعطي استنتاجات متناقضة. ولأن هذا الإحصاء لا يعني ما يعنيه R-سكارد في انحدار عملية شريان الحياة للسودان (نسبة التباين لمتغير الاستجابة التي أوضحها المتنبؤون)، فإننا نقترح تفسير هذه الإحصائية بحذر شديد. تقديرات المعلمات g. سيس - هذا هو متغير الاستجابة في الانحدار اللوجستي المطلوب. تحت سيس هي التنبؤات في النماذج ونقاط القطع للمستويات المتجاورة لمتغير الاستجابة. ح. Coef. - هذه هي معاملات الانحدار لوغ-أودز (لوغت) المطلوبة. التفسير المعياري لمعامل لوجيت المطلوب هو أنه من أجل زيادة وحدة واحدة في جهاز التنبؤ، من المتوقع أن يتغير مستوى متغير الاستجابة بمعامل الانحدار الخاص به في مقياس لوغ-أودز المطلوب بينما تبقى المتغيرات الأخرى في النموذج ثابتة. ولا يعتمد تفسير التقديرات المنطقية المطلوبة على المعلمات المساعدة التي تستخدم المعلمات المساعدة للتمييز بين المستويات المتجاورة لمتغير الاستجابة. ومع ذلك، بما أن نموذج لوغيت المطلوب يقدر معادلة واحدة على جميع مستويات المتغير التابع، فإن المخاوف هي ما إذا كان نموذج المعادلة الواحدة صالحا أم أنه يلزم وجود نموذج أكثر مرونة. يمكننا اختبار هذه الفرضية مع اختبار اختبار الاحتمالات النسبي (أي اختبار برانت من افتراض الانحدار المتوازي). هذا الاختبار يمكن تحميلها عن طريق كتابة فيستيت spost13ado في سطر الأوامر واستخدام الأمر برانت (انظر كيف يمكنني استخدام الأمر فينديت للبحث عن البرامج والحصول على مساعدة إضافية لمزيد من المعلومات حول استخدام فينديت). العلم - هذا هو تقدير سجل لوغ-أودز لزيادة وحدة واحدة في درجة العلوم على مستوى سيس المتوقعة نظرا لا تزال المتغيرات الأخرى ثابتة في النموذج. إذا كان موضوع لزيادة علمه درجة من نقطة واحدة، وسجله لوغد من المرجح أن يجري في فئة العليا العليا سيس زيادة بنسبة 0.03 في حين أن المتغيرات الأخرى في نموذج ثابتا. سوست - هذا هو تقدير لوغ-أودس المطلوب لوحدة واحدة زيادة في سوك درجة على مستوى سيس المتوقع نظرا لا تزال متغيرات أخرى ثابتة في النموذج. زيادة وحدة واحدة في درجات الاختبار سوف يؤدي إلى زيادة وحدة 0.0532 في سجل لوغ-أودز من كونها في فئة العليا العليا في حين تبقى المتغيرات الأخرى في النموذج ثابتة. الإناث - وهذا هو تقدير سجل لوغ-أودز مقارنة الإناث للذكور على سيس سيس نظرا متغيرات أخرى ثابتة في النموذج. أما لوغيت الذي تم ترتيبه للإناث في الفئة العليا فهو أقل من الذكور عند 0.4824 عندما تكون المتغيرات الأخرى في النموذج ثابتة. المعلمات المساعدة - تشير هذه إلى نقاط القصور (عتبات أ. ك.) المستخدمة للتمييز بين المستويات المتجاورة لمتغير الاستجابة. ويمكن بعد ذلك تعريف العتبة لتكون نقاطا على المتغير الكامن، وهي آلية مستمرة غير قابلة للرصد، تؤدي إلى اختلاف القيم الملحوظة على متغير البروكسي (مستويات متغيرنا المعتمد المستخدم لقياس المتغير الكامن). cut1 - هذه هي النقطة التقديرية المقدرة على المتغير الكامن المستخدم للتمييز بين النواتج المنخفضة من الوسط الوسطى والعالية عندما يتم تقييم قيم متغيرات التنبؤ عند الصفر. الموضوعات التي لها قيمة 2.75 أو أقل على المتغير الكامن الكامن الذي أدى إلى متغير سيس لدينا سوف تصنف على أنها منخفضة سيس نظرا لأنها كانت من الذكور (المتغير الإناث تقييمها في الصفر) وكان صفر العلوم و سوكست درجات الاختبار. cut2 - هذه هي النقطة التقديرية المقدرة على المتغير الكامن المستخدم للتمييز بين المستويين المنخفض والمتوسط ​​من أعلى درجة مئوية عند تقييم قيم متغيرات التنبؤ عند الصفر. الموضوعات التي لها قيمة 5.11 أو أكبر على المتغير الكامنة الكامنة التي أدت إلى متغير سيس لدينا سوف تصنف على أنها عالية سيس نظرا لأنها كانت الذكور، وكان صفر العلوم و سوكست درجات الاختبار. الموضوعات التي لها قيمة بين 2.75 و 5.11 على المتغير الكامنة الكامنة سيتم تصنيفها على أنها سيس المتوسطة. أنا. الأمراض المنقولة جنسيا. يخطئ. - هذه هي الأخطاء القياسية لمعاملات الانحدار الفردية. وهي تستخدم في حساب إحصائية اختبار z، فوق j، وفترة الثقة لمعامل الانحدار، k k. ي. z و بغتز - هذه هي إحصائيات الاختبار وقيمة p، على التوالي، بالنسبة للفرضية الصفرية التي تشير إلى أن معامل الانحدار للتنبؤات الفردية هو صفر نظرا إلى أن بقية المتنبئات في النموذج. إحصائية الاختبار z هي نسبة كويف. إلى ستد. يخطئ. من التنبؤ. وتتبع القيمة z توزيعا طبيعيا عاديا يستعمل لاختبار فرضية بديلة من جانبين تفيد بأن الكوف. لا يساوي الصفر. ويعرف بغتس احتمال أن تكون إحصائية اختبار z معينة متطرفة، أو أكثر من تلك التي لوحظت في إطار الفرضية الصفرية. إن إحصائية اختبار z لعلم التنبؤ (0.0300.017) هي 1.81 مع قيمة p المرتبطة 0.070. إذا وضعنا مستوى ألفا لدينا إلى 0.05، فإننا سوف تفشل في رفض فرضية نول واستنتاج أن معامل الانحدار للعلوم لم يتم العثور على أن تكون إحصائية مختلفة من الصفر في تقدير سيس نظرا سوست والإناث في النموذج. وتكون إحصائية اختبار z للمتنبأ سوست (0.0530.015) 3.48 مع قيمة p pt0.0001. إذا وضعنا مرة أخرى مستوى ألفا لدينا إلى 0.05، فإننا نرفض فرضية نول ونخلص إلى أن معامل الانحدار ل سوست وجدت أن تكون مختلفة إحصائيا من الصفر في تقدير سيس نظرا أن العلم والإناث في النموذج. تفسير متغير ثنائي التفرع مثل الأنثى. يوازي ذلك لمتغير مستمر: الفرق بين الذكور والإناث على وضع سيس لم يتم العثور على أن تكون ذات دلالة إحصائية عند مستوى 0.05 عند السيطرة على سوست والعلوم (p0.085). ك. 95 كونف. الفاصل الزمني - هذا هو الفاصل الزمني للثقة (سي) لمعامل الانحدار الفردي نظرا للمتنبئات الأخرى في النموذج. بالنسبة لمؤشر معين بمستوى 95 من الثقة، يقول ويد أننا واثقون من أن معامل الانحدار السكاني كوترويكوت يكمن بين الحد الأدنى والعلوي من الفاصل الزمني. يتم احتسابها على أنها سيف. بلوسمن (z 9452) (Std. Err.)، حيث z 9452 قيمة حرجة على التوزيع العادي المعياري. و سي يعادل إحصائية اختبار z: إذا كان سي يتضمن صفر، فشلت الفشل في رفض الفرضية الصفرية أن معامل الانحدار الخاص هو صفر نظرا للتنبؤات الأخرى في النموذج. ميزة من سي هو أنه من التوضيح أنه يوفر مجموعة حيث معلمة كوترويكوت قد تكذب. نسبة الأرجحية التفسير وفيما يلي تفسير الانحدار اللوجستي أمر من حيث نسب الأرجحية النسبية ويمكن الحصول عليها عن طريق تحديد أو الخيار. ينطبق هذا الجزء من التفسير على الناتج أدناه. ا. نسبة الأرجحية - هذه هي نسب الأرجحية النسبية لنموذج لوغيت المطلوب (أي نموذج الاحتمالات النسبي) الموضح سابقا. ويمكن الحصول عليها من خلال إكسبونتيناتينغ معاملات لوجيت أمر، e كويف. . أو بتحديد الخيار أو الخيار. تذكر أن نموذج لوجيت أمر يقدر معادلة واحدة (معاملات الانحدار) على مستويات المتغير التابع. الآن، إذا نظرنا إلى التغيير في المستويات بالمعنى التراكمي وتفسير المعاملات في الصعاب، فإننا نقارن الأشخاص الذين هم في مجموعات أكبر من k مقابل أولئك الذين هم في مجموعات أقل من أو يساوي k. حيث k هو مستوى متغير الاستجابة. وسيكون التفسير هو أنه بالنسبة لوحدة واحدة تتغير في متغير التنبؤ، فإن احتمالات الحالات في مجموعة أكبر من k مقابل أقل من أو تساوي k هي أوقات الاحتمالات النسبية أكبر. للمناقشة العامة ل أور، نشير إلى الأسئلة الشائعة ستاتا التالية للانحدار اللوجستي ثنائي: كيف يمكنني تفسير نسب الأرجحية في علم الانحدار اللوجستي - وهذا هو نسبة الأرجحية النسبية لزيادة وحدة واحدة في درجة العلوم على مستوى سيس نظرا إلى أن فإن المتغيرات الأخرى في النموذج ثابتة. وبالتالي، بالنسبة لوحدة واحدة زيادة في درجة اختبار العلوم، واحتمالات ارتفاع سيس مقابل المجموعتين المتوسطة والمنخفضة سيس الفئات هي 1.03 مرات أكبر، بالنظر إلى المتغيرات الأخرى التي لا تزال ثابتة في النموذج. وبالمثل، لوحدة واحدة زيادة في درجة اختبار العلوم، واحتمالات الجمع بين العليا والمتوسطة والمتوسطة مقابل انخفاض سيس هي 1.03 مرات أكبر، بالنظر إلى المتغيرات الأخرى ثابتة. سوست - هذا هو نسبة الأرجحية النسبية لزيادة وحدة واحدة في درجة سوست على مستوى سيس نظرا إلى أن المتغيرات الأخرى في النموذج ثابتة. وهكذا، بالنسبة لوحدة واحدة زيادة في سوك اختبار النتيجة، واحتمالات ارتفاع سيس مقابل الجمع بين سيس والمنخفضة هي 1.05 مرات أكبر، بالنظر إلى المتغيرات الأخرى ثابتة في النموذج. وبالمثل، لوحدة واحدة زيادة في سوك اختبار النتيجة، واحتمالات الجمع بين سيس العليا والمتوسطة مقابل انخفاض سيس هي 1.05 مرات أكبر، بالنظر إلى المتغيرات الأخرى ثابتة. الإناث - وهذا هو نسبة الأرجحية النسبية مقارنة الإناث للذكور على سيس نظرا للمتغيرات الأخرى في نموذج ثابت. أما بالنسبة للإناث، فإن احتمالات ارتفاع درجة النخاع في مقابل النحلات المتوسطة والمنخفضة مجتمعة هي أقل ب 0.6173 مرة من الذكور، نظرا إلى أن المتغيرات الأخرى ثابتة. وبالمثل، فإن احتمالات الفئتين مجتمعة من الوسطاء الوسطى والمتوسطة مقابل انخفاض سيس هي 0.6173 مرة أقل بالنسبة للإناث مقارنة بالذكور، بالنظر إلى أن المتغيرات الأخرى ثابتة في النموذج. ب. 95 كونف. الفاصل الزمني - وهذا هو سي لنسبة الأرجحية النسبية نظرا للتنبؤات الأخرى في النموذج. بالنسبة لمؤشر معين مع مستوى من الثقة 95، يقول ويد أننا 95 ثقة بأن نسبة كوترويكوت نسبة الأرجحية النسبية تقع بين الحد الأدنى والعليا من الفاصل الزمني. و سي يعادل إحصائية اختبار z: إذا كان سي يتضمن واحد (وليس الصفر، لأننا نعمل مع نسب الأرجحية)، فشلت في رفض الفرضية الصفرية أن معامل الانحدار معين هو واحد نظرا للتنبؤات الأخرى في النموذج . ميزة سي هو أنه يوضح أنه يوفر مجموعة حيث نسبة الأرجحية النسبية الحقيقية قد تكذب. محتوى هذا الموقع لا ينبغي أن يفسر على أنه تأييد لأي موقع ويب معين أو كتاب أو منتج برامج من قبل جامعة كاليفورنيا. ملاحظة: سوف تقوم مجموعة الاستشارات الإحصائية إدر بترحيل الموقع إلى نظام إدارة محتوى وردبريس في فبراير لتسهيل صيانة وإنشاء محتوى جديد. ستتم إزالة بعض صفحاتنا القديمة أو وضعها في الأرشيف بحيث لا يتم الاحتفاظ بها بعد الآن. سنحاول الحفاظ على عمليات إعادة التوجيه بحيث تستمر عناوين ورل القديمة في العمل بأفضل ما في وسعنا. مرحبا بكم في معهد للبحوث الرقمية والتعليم مساعدة مجموعة ستات الاستشارية من خلال إعطاء هدية ستاتا تحليل البيانات أمثلة الانحدار اللوجستي معلومات الإصدار: تم اختبار رمز لهذه الصفحة في ستاتا 12. الانحدار اللوجستي، وتسمى أيضا نموذج لوجيت، ويستخدم لنموذج متغيرات النتائج ثنائية التفرع. في نموذج لوغيت يتم حساب احتمالات السجل للنتيجة على أنها مزيج خطي من متغيرات التنبؤ. يرجى ملاحظة ما يلي: الغرض من هذه الصفحة هو إظهار كيفية استخدام مختلف أوامر تحليل البيانات. وهي لا تغطي جميع جوانب عملية البحث التي يتوقع من الباحثين القيام بها. وعلى وجه الخصوص، فإنه لا يغطي تنظيف البيانات وفحصها والتحقق من الافتراضات والتشخيص النموذجي والتحليلات المحتملة للمتابعة. أمثلة على الانحدار اللوجستي مثال 1: لنفترض أننا مهتمون بالعوامل التي تؤثر على ما إذا كان مرشح سياسي يفوز في الانتخابات. متغير النتيجة (استجابة) هو ثنائي (01) الفوز أو الخسارة. المتغيرات المتوقعة من الفائدة هي مقدار الأموال التي تنفق على الحملة، ومقدار الوقت الذي يقضيه الحملات الانتخابية سلبا، وما إذا كان المرشح شاغلا أم لا. مثال 2: الباحث مهتم في كيفية المتغيرات، مثل غري (درجات امتحان سجل الدراسات العليا)، غبا (معدل الصف) وهيبة مؤسسة البكالوريوس، وتأثير القبول في كلية الدراسات العليا. متغير الاستجابة، اعترف أدميتدونت، هو متغير ثنائي. وصف البيانات لتحليل البيانات لدينا أدناه، ونحن في طريقنا للتوسع في المثال 2 حول الدخول في مدرسة الدراسات العليا. لقد قمنا بإنشاء بيانات افتراضية، والتي يمكن الحصول عليها من موقعنا على الانترنت. تحتوي مجموعة البيانات هذه على استجابة ثنائية (النتيجة، تعتمد) متغير يسمى اعترف. هناك ثلاثة متغيرات تنبؤ: غري. غبا والرتبة. وسوف نعامل المتغيرات غر و غبا كما مستمر. أما الرتب المتغيرة فتتخذ القيم من 1 إلى 4. وتحظى المؤسسات التي تحتل المرتبة الأولى بالهيبة الأعلى، في حين أن الرتب التي تحتل المرتبة 4 هي الأقل. طرق التحليل التي قد تفكر بها فيما يلي قائمة ببعض طرق التحليل التي قد تكون قد واجهتها. بعض الأساليب المدرجة هي معقولة جدا في حين أن البعض الآخر إما سقطت لصالح أو لديها قيود. الانحدار اللوجستي، والتركيز من هذه الصفحة. بروبيت الانحدار. سوف تحليل بروبيت تنتج نتائج انحدار لوجستي مماثل. اختيار بروبيت مقابل لوجيت يعتمد إلى حد كبير على تفضيلات الفردية. انحدار عملية شريان الحياة للسودان. وعند استخدام متغير الاستجابة الثنائية، يعرف هذا النموذج بنموذج الاحتمال الخطي ويمكن استخدامه كوسيلة لوصف الاحتمالات المشروطة. ومع ذلك، فإن الأخطاء (أي المخلفات) من نموذج الاحتمالات الخطية تنتهك النزعة المثلية وطبيعية افتراضات أخطاء انحدار عملية شريان الحياة للسودان، مما يؤدي إلى أخطاء معيارية غير صالحة واختبارات فرضية. وللحصول على مناقشة أكثر شمولا لهذه المشاكل وغيرها من المشاكل مع نموذج الاحتمالات الخطية، انظر لونغ (1997، p.38-40). اثنين من مجموعة تحليل وظيفة التمييز. طريقة متعددة المتغيرات لمتغيرات النتائج ثنائية التفرع. هوتيلينغز T 2. يتم تحويل النتيجة 01 إلى متغير التجميع، وتحولت التنبؤات السابقة إلى متغيرات النتيجة. وهذا سيؤدي إلى اختبار شامل للأهمية ولكن لن يعطي معاملات فردية لكل متغير، ومن غير الواضح إلى أي مدى يتم تعديل كل كوتوبريديكتوركوت لتأثير كوتريديكتورس. كوت الانحدار اللوجستي أدناه نستخدم الأمر لوجيت لتقدير نموذج الانحدار اللوجستي. i. قبل الرتبة تشير إلى أن الرتبة هي متغير عامل (أي متغير فئوي)، وأنه ينبغي تضمينه في النموذج كمجموعة من متغيرات المؤشرات. لاحظ أنه تم إدخال هذه البنية في ستاتا 11. في الإخراج أعلاه، نرى أولا سجل التكرار، مما يشير إلى مدى سرعة نموذج التقارب. يمكن استخدام احتمال السجل (-229.25875) في مقارنات من النماذج المتداخلة، لكننا لن نعرض مثالا على ذلك هنا. أيضا في الجزء العلوي من الإخراج نرى أن جميع الملاحظات 400 في مجموعة البيانات لدينا استخدمت في التحليل (عدد أقل من الملاحظات كان يمكن استخدامها إذا كان أي من المتغيرات لدينا قيم مفقودة). وتبين لنا نسبة الاحتمال (تشي-سكوار) التي تبلغ 41.46 بقيمة p 0.0001 أن نموذجنا ككل يناسب أفضل بكثير من النموذج الفارغ (أي نموذج بدون تنبؤات). ونرى في الجدول المعاملات، وأخطاءها القياسية، وإحصائية z، وقيم p المرتبطة بها، وفترة الثقة 95 للمعاملات. كل من غري و غبا ذات دلالة إحصائية، وكذلك متغيرات المؤشر الثلاثة للرتبة. وتعطي معاملات الانحدار اللوجستي التغير في احتمالات السجل للنتيجة من أجل زيادة وحدة واحدة في متغير التنبؤ. لكل تغيير وحدة واحدة في اللون الأخضر. تزيد احتمالات تسجيل الدخول (مقابل عدم القبول) بمقدار 0.002. للحصول على زيادة وحدة واحدة في غبا. فإن احتمالات تسجيل الدخول إلى مدرسة الدراسات العليا تزيد بمقدار 0.804. متغيرات مؤشر الرتبة لها تفسير مختلف قليلا. على سبيل المثال، بعد أن حضر مؤسسة الجامعية مع رتبة 2، مقابل مؤسسة مع رتبة 1، يقلل من احتمالات سجل القبول من قبل 0.675. يمكننا اختبار لتأثير الكلي للرتبة باستخدام أمر الاختبار. ونرى أدناه أن التأثير الكلي للرتبة ذو دلالة إحصائية. يمكننا أيضا اختبار فرضيات إضافية حول الاختلافات في المعاملات لمستويات مختلفة من الرتبة. نختبر أدناه أن معامل الرتبة 2 يساوي معامل الرتبة 3. (لاحظ أنه إذا أردنا تقدير هذا الاختلاف، يمكننا أن نفعل ذلك باستخدام الأمر لينكوم.) يمكنك أيضا توضيح المعاملات وتفسيرها على أنها خلاف - ratios. ستاتا سوف تفعل هذا الحساب بالنسبة لك إذا كنت تستخدم الخيار أو، موضح أدناه. يمكنك أيضا استخدام الأمر اللوجستي. الآن يمكننا القول أن لزيادة وحدة واحدة في غبا. فإن احتمالات قبولهم في مدرسة الدراسات العليا (مقابل عدم قبولهم) تزيد بمقدار 2.23. لمزيد من المعلومات حول تفسير نسب الأرجحية راجع صفحة الأسئلة الشائعة كيف يمكنني تفسير نسب الأرجحية في الانحدار اللوجستي. يمكنك أيضا استخدام الاحتمالات المتوقعة لمساعدتك على فهم النموذج. يمكنك حساب الاحتمالات المتوقعة باستخدام الأمر هوامش، الذي تم عرضه في ستاتا 11. أدناه نستخدم الأمر الهامش لحساب احتمال توقع القبول في كل مستوى من الرتب. مع االحتفاظ بجميع المتغيرات األخرى في النموذج بوسائلها. لمزيد من المعلومات حول استخدام أمر الهامش لحساب الاحتمالات المتوقعة، راجع صفحتنا استخدام هوامش للاحتمالات المتوقعة. في الناتج أعلاه نرى أن الاحتمال المتوقع للقبول في برنامج الدراسات العليا هو 0.51 لأعلى المؤسسات الجامعية هيبة (المرتبة 1)، و 0.18 لأقل المؤسسات المرتبة (رتبة 4)، وعقد غرام و غبا في وسائلها. أدناه نولد الاحتمالات المتوقعة لقيم من 200 إلى 800 في الزيادات من 100. لأننا لم تحدد إما أتمانز أو المستخدمة في (.) لتحديد القيم عند مع متغيرات التنبؤ الأخرى محتفظ بها، والقيم في الجدول هي متوسط ​​الاحتمالات المتوقعة المحسوبة باستخدام قيم عينة متغيرات التنبؤ الأخرى. على سبيل المثال، لحساب متوسط ​​الاحتمال المتوقع عند غر 200، تم حساب الاحتمال المتوقع لكل حالة، باستخدام قيم الحالات تلك من رتبة و غبا. مع تعيين مجموعة خضراء إلى 200. في الجدول أعلاه يمكننا أن نرى أن متوسط ​​احتمال المتوقع للقبول هو فقط 0.167 إذا كانت النتيجة غري غري 200 ويزيد إلى 0.414 إذا كانت هذه غري درجة 800 (المتوسط ​​عبر قيم عينة من غبا والرتبة ). ويمكن أيضا أن تكون مفيدة لاستخدام الرسوم البيانية من الاحتمالات المتوقعة لفهم أندور تقديم النموذج. وقد نود أيضا أن نرى تدابير لمدى ملاءمة نموذجنا. وهذا يمكن أن يكون مفيدا بشكل خاص عند مقارنة النماذج المنافسة. ينتج الأمر فيتستات المكتوب من المستخدم مجموعة متنوعة من الإحصاءات المناسبة. يمكنك العثور على مزيد من المعلومات حول فيتستات عن طريق كتابة فيستيت فيتستات (انظر كيف يمكنني استخدام الأمر فينديت للبحث عن البرامج والحصول على مساعدة إضافية لمزيد من المعلومات حول استخدام فينديت). أشياء يجب مراعاتها خلايا فارغة أو خلايا صغيرة: يجب التحقق من وجود خلايا فارغة أو صغيرة عن طريق إجراء جدول زمني بين التنبؤات الفئوية ومتغير النتيجة. إذا كان لدى خلية عدد قليل جدا من الحالات (خلية صغيرة)، قد يصبح النموذج غير مستقر أو قد لا يعمل على الإطلاق. الفصل أو شبه الفصل (وتسمى أيضا التنبؤ المثالي)، وهو شرط لا تختلف فيه النتيجة على بعض مستويات المتغيرات المستقلة. راجع صفحتنا أسئلة وأجوبة: ما هو الفصل الكامل أو شبه الكامل في الانحدار لوجيستيسبروبيت وكيف يمكننا التعامل معها للحصول على معلومات عن نماذج مع التنبؤ الكمال. حجم العينة: تتطلب كل من النماذج المنطقية والبروبيتية حالات أكثر من انحدار عملية شريان الحياة للسودان لأنها تستخدم تقنيات تقدير احتمالية قصوى. ومن الممكن أحيانا تقدير نماذج للنتائج الثنائية في مجموعات البيانات مع عدد قليل فقط من الحالات التي تستخدم الانحدار اللوجستي الدقيق (باستخدام الأمر إكسلوجيستيك). لمزيد من المعلومات انظر مثال تحليل البيانات لدينا لانحدار لوجستي بالضبط. ومن المهم أيضا أن نضع في اعتبارنا أنه عندما تكون النتيجة نادرة، حتى لو كانت مجموعة البيانات الشاملة كبيرة، يمكن أن يكون من الصعب تقدير نموذج لوجيت. الزائفة - R - تربيع: العديد من التدابير المختلفة من بسيدو-R - التربيع موجودة. وهم جميعا يحاولون تقديم معلومات مماثلة لتلك التي يوفرها المربعات R في انحدار عملية شريان الحياة للسودان، ولكن لا يمكن تفسير أي منها تماما كما تفسر R-تربيع في انحدار عملية شريان الحياة للسودان. للاطلاع على مناقشة لمختلف الزائفة-R-سكاردز انظر لونغ و فريز (2006) أو صفحة الأسئلة الشائعة ما هي الزائفة R-سكاردز التشخيص: التشخيص ل الانحدار اللوجستي تختلف عن تلك لانحدار عملية شريان الحياة للسودان. وللاطلاع على مناقشة لتشخيص نماذج الانحدار اللوجستي، انظر هوسمر أند ليمشو (2000، تشابتر 5). لاحظ أن التشخيصات التي تم إجراؤها للانحدار اللوجستي مشابهة لتلك التي تم إجراؤها من أجل الانحدار بروبيت. في ستاتا، يتم معاملة قيم 0 كمستوى واحد من متغير النتيجة، ويتم التعامل مع جميع القيم الأخرى غير المفقودة على أنها المستوى الثاني من النتيجة. البيانات المتجمعة: في بعض الأحيان يتم تجميع الملاحظات في مجموعات (مثل الأشخاص داخل الأسر، والطلاب داخل الفصول الدراسية). في مثل هذه الحالات، قد ترغب في الاطلاع على صفحتنا حول عدم الاستقلال ضمن المجموعات. المراجع هوسمر، D. ليمشو، S. (2000). تطبيق الانحدار اللوجستي (الطبعة الثانية). نيو يورك: جون وايلي سونس، Inc. لونغ، J. سكوت، فريز، جيريمي (2006). نماذج الانحدار للمتغيرات التابعة الفئوية باستخدام ستاتا (الإصدار الثاني). محطة الكلية، تكس: ستاتا الصحافة. لونغ، J. سكوت (1997). نماذج الانحدار للمتغيرات تعتمد الفئوية ومحدودة. ألف أوكس، كاليفورنيا: منشورات ساجا. محتوى هذا الموقع لا ينبغي أن يفسر على أنه تأييد لأي موقع ويب معين، كتاب، أو منتج البرمجيات من قبل جامعة كاليفورنيا.