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.
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.
Respostas:
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.
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.
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):
Por fim, os logs não são a única maneira de atingir alguns desses objetivos.
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.
Um modelo linear de log possui uma transformação de log na variável de resposta que fornece a seguinte equação
que se transforma em
Assim, os efeitos são multiplicados em vez de adicionados.