लॉजिस्टिक रिग्रेशन गुणांक की व्याख्या कैसे करें (उदाहरण के साथ)
लॉजिस्टिक रिग्रेशन एक ऐसी विधि है जिसका उपयोग हम रिग्रेशन मॉडल को फिट करने के लिए कर सकते हैं जब प्रतिक्रिया चर द्विआधारी होता है।
जब हम एक लॉजिस्टिक रिग्रेशन मॉडल फिट करते हैं, तो मॉडल परिणामों के गुणांक भविष्यवक्ता चर में एक-इकाई वृद्धि के साथ जुड़े प्रतिक्रिया चर की लॉग संभावना में औसत परिवर्तन का प्रतिनिधित्व करते हैं।
β = Average Change in Log Odds of Response Variable
हम अक्सर पूर्वसूचक चर में एक-इकाई वृद्धि से जुड़े प्रतिक्रिया चर की संभावनाओं में औसत परिवर्तन को समझना चाहते हैं, जिसे हम सूत्र ई β का उपयोग करके पा सकते हैं।
e β = Average Change in Odds of Response Variable
निम्नलिखित उदाहरण दिखाता है कि व्यवहार में लॉजिस्टिक प्रतिगमन गुणांक की व्याख्या कैसे करें।
उदाहरण: लॉजिस्टिक रिग्रेशन गुणांक की व्याख्या कैसे करें
मान लीजिए कि हम लिंग और अभ्यास परीक्षाओं की संख्या का उपयोग करके एक लॉजिस्टिक रिग्रेशन मॉडल फिट करना चाहते हैं ताकि यह अनुमान लगाया जा सके कि कोई छात्र कक्षा में अंतिम परीक्षा उत्तीर्ण करेगा या नहीं।
मान लीजिए कि हम सांख्यिकीय सॉफ़्टवेयर (जैसे आर, पायथन , एक्सेल , या एसएएस ) का उपयोग करके मॉडल को फिट करते हैं और निम्नलिखित परिणाम प्राप्त करते हैं:
| गुणांक का अनुमान | मानक त्रुटि | Z मान | पी-मूल्य | |
|---|---|---|---|---|
| अवरोधन | -1.34 | 0.23 | 5.83 | <0.001 |
| पुरुष लिंग) | -0.56 | 0.25 | 2.24 | 0.03 |
| प्रैक्टिकल परीक्षा | 1.13 | 0.43 | 2.63 | 0.01 |
लिंग की व्याख्या कैसे करें (बाइनरी प्रेडिक्टर वेरिएबल)
हम देख सकते हैं कि लिंग के लिए गुणांक अनुमान नकारात्मक है, जो दर्शाता है कि पुरुष होने से परीक्षा उत्तीर्ण करने की संभावना कम हो जाती है।
हम यह भी देख सकते हैं कि लिंग के लिए पी-वैल्यू 0.05 से कम है, जिसका अर्थ है कि किसी व्यक्ति के परीक्षा उत्तीर्ण करने या न करने पर इसका सांख्यिकीय रूप से महत्वपूर्ण प्रभाव पड़ता है।
यह समझने के लिए कि पुरुष होना किस प्रकार प्रभावित करता है कि कोई व्यक्ति परीक्षा उत्तीर्ण करता है या नहीं, हम सूत्र e β का उपयोग कर सकते हैं।
ई -0.56 = 0.57
हम इसका अर्थ यह निकालते हैं कि पुरुषों के परीक्षा उत्तीर्ण करने की संभावना महिलाओं की तुलना में केवल 0.57 गुना अधिक है, यह मानते हुए कि अभ्यास परीक्षाओं की संख्या स्थिर रहती है ।
हम यह भी कह सकते हैं कि महिलाओं की तुलना में पुरुषों के परीक्षा उत्तीर्ण करने की संभावना (1 – 0.57) 43% कम है, फिर से यह मानते हुए कि अभ्यास परीक्षाओं की संख्या स्थिर रहती है ।
व्यावहारिक परीक्षाओं की व्याख्या कैसे करें (निरंतर पूर्वानुमानित चर)
हम देख सकते हैं कि व्यावहारिक परीक्षाओं के लिए गुणांक अनुमान सकारात्मक है, जो दर्शाता है कि प्रत्येक अतिरिक्त व्यावहारिक परीक्षा लेने से अंतिम परीक्षा उत्तीर्ण करने की संभावना बढ़ जाती है।
हम यह भी देख सकते हैं कि ली गई अभ्यास परीक्षाओं की संख्या का पी-वैल्यू 0.05 से कम है, जिसका अर्थ है कि इसका सांख्यिकीय रूप से महत्वपूर्ण प्रभाव पड़ता है कि कोई व्यक्ति अंतिम परीक्षा उत्तीर्ण करता है या नहीं।
कोई व्यक्ति अंतिम परीक्षा उत्तीर्ण करता है या नहीं, इस पर प्रत्येक अतिरिक्त व्यावहारिक परीक्षा के प्रभाव को मापने के लिए, हम सूत्र ई β का उपयोग कर सकते हैं।
ई 1.13 = 3.09
हम इसका मतलब यह निकालते हैं कि ली गई प्रत्येक अतिरिक्त व्यावहारिक परीक्षा से अंतिम परीक्षा उत्तीर्ण करने की संभावना 3.09 बढ़ जाती है, यह मानते हुए कि लिंग स्थिर रहता है ।
हम यह भी कह सकते हैं कि ली गई प्रत्येक अतिरिक्त अभ्यास परीक्षा अंतिम परीक्षा उत्तीर्ण करने की संभावनाओं में (3.09 – 1) 209% की वृद्धि के साथ जुड़ी हुई है, फिर से यह मानते हुए कि लिंग स्थिर रहता है।
नोट : लॉजिस्टिक रिग्रेशन मॉडल में मूल शब्द की व्याख्या कैसे करें, यह जानने के लिए इस लेख को देखें।
अतिरिक्त संसाधन
निम्नलिखित ट्यूटोरियल लॉजिस्टिक रिग्रेशन के बारे में अतिरिक्त जानकारी प्रदान करते हैं:
लॉजिस्टिक रिग्रेशन परिणामों की रिपोर्ट कैसे करें
लॉजिस्टिक रिग्रेशन के लिए शून्य परिकल्पना को समझना
लॉजिस्टिक रिग्रेशन और लीनियर रिग्रेशन के बीच अंतर
लेखक के बारे में
डॉ. बेंजामिन एंडरसन
नमस्ते, मैं बेंजामिन हूं, एक सेवानिवृत्त सांख्यिकी प्रोफेसर जो अब समर्पित Statorials शिक्षक बन गया है। सांख्यिकी के क्षेत्र में व्यापक अनुभव और विशेषज्ञता के साथ, मैं Statorials के माध्यम से छात्रों को सशक्त बनाने के लिए अपना ज्ञान साझा करने के लिए उत्सुक हूं। अधिक जाने