Modelos lineares de log


12

Alguém pode explicar por que usamos Modelos Lineares de Log em termos muito leigos? Eu venho de formação em engenharia, e isso realmente está se tornando um assunto difícil para mim, estatísticas que são. Serei grato por uma resposta.


Você está falando de modelos lineares logísticos para proporções (geralmente em tabelas) ou modelos lineares logísticos para outra coisa?
Glen_b -Reinstala Monica

Glen, estou falando de mesas.
user1343318

@ user1343318 Se algumas dessas respostas fornecerem o que você procura, talvez você deva considerar escolher uma delas para que possamos seguir em frente com nossas vidas. :)
Dr. Mike

Respostas:


10

Modelos lineares de log, como crosstabs e qui-quadrado, geralmente são usados ​​quando nenhuma das variáveis ​​pode ser classificada como dependente ou independente , mas, em vez disso, o objetivo é examinar a associação entre conjuntos de variáveis. Em particular, os modelos lineares de log são úteis para associação entre conjuntos de variáveis ​​categóricas.


7

Modelos log-lineares são freqüentemente usados ​​para proporções, porque efeitos independentes sobre a probabilidade agem multiplicativamente. Após registrar os registros, isso leva a efeitos lineares.

De fato, existem outras razões pelas quais você pode usar modelos loglineares (como o fato de o link de log ser a função de link canônico do Poisson), mas acho que o primeiro motivo provavelmente é suficiente do ponto de vista geral da modelagem.


6

lnlogee

Eu nem sempre uso logs, mas quando o faço, são logaritmos naturais.

Esta lista foi retirada de Intro To Transformations de Nick Cox (com alguns comentários adicionais):

  • Reduzir a assimetria - a distribuição gaussiana é considerada ideal ou necessária para muitos métodos estatísticos (às vezes erroneamente). Tomando logs ajuda.
  • Igualar spreads - induzir homoskedasticity quando houver muita variação nos níveis.
  • Linearizar relacionamentos - Por exemplo, um gráfico de logaritmos de uma série contra o tempo tem a propriedade de que períodos com taxas constantes de mudança são retas
  • xyx100(exp{β}1)
  • Relações de "additivização" - Tentar obter os parâmetros de uma função de produção Cobb-Douglas é muito mais fácil sem métodos não lineares. A análise de variância também requer aditividade.
  • Conveniência / Teoria - escala logarítmica pode ser mais natural para alguns fenômenos.

Por fim, os logs não são a única maneira de atingir alguns desses objetivos.


5

Uma interpretação comum e uma maneira de ver a diferença entre um modelo linear normal e um modelo linear logarítmico é se o seu problema é multiplicativo ou aditivo.

Y=i=1MβiXi+β0

Um modelo linear de log possui uma transformação de log na variável de resposta que fornece a seguinte equação

lnY=i=1MβiXi+β0

que se transforma em

Y=eβ0i=1MeβiXi

Assim, os efeitos são multiplicados em vez de adicionados.

Ao utilizar nosso site, você reconhece que leu e compreendeu nossa Política de Cookies e nossa Política de Privacidade.
Licensed under cc by-sa 3.0 with attribution required.