Esistono tre tipi di modelli di regressione logistica:<\/span><\/p>\n La tabella seguente riassume queste differenze:<\/span> <\/p>\n Questo tutorial fornisce una breve spiegazione di ciascun tipo di modello di regressione logistica insieme ad esempi di ciascuno.<\/span><\/p>\n I modelli di regressione logistica binaria<\/strong> sono un tipo di regressione logistica in cui la variabile di risposta pu\u00f2 rientrare solo in due categorie.<\/span><\/p>\n Ecco alcuni esempi:<\/span><\/p>\n Esempio 1: Draft NBA<\/strong><\/span><\/p>\n Supponiamo che uno scienziato di dati sportivi desideri utilizzare le variabili predittive (1) punti, (2) rimbalzi e (3) assist per prevedere la probabilit\u00e0 che un determinato giocatore di basket universitario venga arruolato nella NBA.<\/span><\/p>\n Poich\u00e9 ci sono solo due possibili risultati (scritti o non scritti) per la variabile di risposta, lo scienziato dei dati utilizzerebbe un modello di regressione logistica binomiale.<\/span><\/p>\n Esempio 2: rilevamento dello spam<\/strong><\/span><\/p>\n Supponiamo che un’azienda desideri utilizzare le variabili predittive (1) conteggio parole e (2) paese di origine per prevedere la probabilit\u00e0 che una determinata email sia spam.<\/span><\/p>\n Poich\u00e9 esistono solo due possibili risultati (spam o non spam) per la variabile di risposta, l’azienda utilizzerebbe un modello di regressione logistica binomiale.<\/span><\/p>\n I modelli di regressione logistica multinomiale<\/strong> sono un tipo di regressione logistica in cui la variabile di risposta pu\u00f2 rientrare in una di tre o pi\u00f9 categorie e non esiste un ordinamento naturale tra le categorie.<\/span><\/p>\n Ecco alcuni esempi:<\/span><\/p>\n Esempio 1: preferenza politica<\/strong><\/span><\/p>\n Supponiamo che uno scienziato politico voglia utilizzare le variabili predittive (1) reddito annuo e (2) anni di istruzione per prevedere la probabilit\u00e0 che un individuo voter\u00e0 per uno dei quattro diversi candidati presidenziali.<\/span><\/p>\n Poich\u00e9 ci sono pi\u00f9 di due possibili risultati (ci sono quattro potenziali candidati) per la variabile di risposta e non esiste un ordinamento naturale tra i risultati, il politologo utilizzerebbe un modello di regressione logistica multinomiale.<\/span><\/p>\n Esempio 2: preferenza sportiva<\/strong><\/span><\/p>\n Supponiamo che un analista sportivo voglia utilizzare le variabili predittive (1) ore di televisione guardate a settimana e (2) et\u00e0 per prevedere la probabilit\u00e0 che un individuo scelga il basket, il calcio o il baseball come sport preferito.<\/span><\/p>\n Poich\u00e9 ci sono pi\u00f9 di due possibili risultati (ci sono tre sport) per la variabile di risposta, l’analista sportivo utilizzer\u00e0 un modello di regressione logistica multinomiale.<\/span><\/p>\n I modelli di regressione logistica ordinale<\/strong> sono un tipo di regressione logistica in cui la variabile di risposta pu\u00f2 rientrare in una di tre o pi\u00f9 categorie ed esiste<\/em> un ordinamento naturale tra le categorie.<\/span><\/p>\n Ecco alcuni esempi:<\/span><\/p>\n Esempio 1: valutazioni scolastiche<\/strong><\/span><\/p>\n Supponiamo che un consulente universitario voglia utilizzare le variabili predittive (1) GPA, (2) punteggio ACT e (3) punteggio SAT per prevedere la probabilit\u00e0 che un individuo entri in un college che pu\u00f2 essere classificato come “cattivo”, “mediocre” . \u00bb, \u201cbuono\u201d o \u201cottimo\u201d.<\/span><\/p>\n Poich\u00e9 ci sono pi\u00f9 di due possibili risultati (ci sono quattro classificazioni della qualit\u00e0 scolastica) per la variabile di risposta e c\u2019\u00e8<\/em> un ordinamento naturale tra i risultati, il consulente scolastico utilizzerebbe un modello di regressione logistica ordinale.<\/span><\/p>\n Esempio 2: valutazioni dei film<\/strong><\/span><\/p>\n Supponiamo che un critico cinematografico voglia utilizzare le variabili predittive (1) durata totale e (2) genere per prevedere la probabilit\u00e0 che un dato film riceva un punteggio compreso tra 1 e 10.<\/span><\/p>\n Poich\u00e9 ci sono pi\u00f9 di due possibili risultati (ci sono 10 possibili valutazioni) per la variabile di risposta e c’\u00e8<\/em> un ordinamento naturale tra i risultati, il critico cinematografico utilizzerebbe un modello di regressione logistica ordinale.<\/span><\/p>\n Le seguenti esercitazioni forniscono ulteriori dettagli sui modelli di regressione logistica:<\/span><\/p>\n Introduzione alla regressione logistica<\/a> La regressione logistica si riferisce a qualsiasi modello di regressione in cui la variabile di risposta \u00e8 categoriale. Esistono tre tipi di modelli di regressione logistica: Regressione logistica binaria : la variabile di risposta pu\u00f2 appartenere solo a una delle due categorie. Regressione logistica multinomiale : la variabile di risposta pu\u00f2 rientrare in una di […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"yoast_head":"\n\n
![\"tipi](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/typeslogistiqueregression1.png\")
<\/p>\n Tipo n. 1: regressione logistica binaria<\/strong><\/span><\/h3>\n
Tipo n\u00b02: Regressione logistica multinomiale<\/strong><\/span><\/h3>\n
Tipo n. 3: regressione logistica ordinale<\/strong><\/span><\/h3>\n
Risorse addizionali<\/strong><\/span><\/h3>\n
Le 6 ipotesi di regressione logistica<\/a>
4 esempi di utilizzo della regressione logistica nella vita reale<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"