لوجيت و بروبيت نموذج 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 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 (متوسط ​​الصف) وهيبة المؤسسة الجامعية، وتأثير القبول في مدرسة 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 والطبيعية لافتراضات أخطاء انحدار عملية شريان الحياة للسودان، مما يؤدي إلى أخطاء معيارية غير صحيحة واختبارات فرضية. وللاطلاع 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، ويقلل 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 أو كتاب أو منتج برامج من قبل جامعة كاليفورنيا. ملاحظة: ستقوم مجموعة إدر الاستشارية الإحصائية بترحيل الموقع إلى نظام إدارة المحتوى في 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 بروبيت الانحدار معلومات الإصدار: تم اختبار رمز لهذه الصفحة في ستاتا 12. بروبيت الانحدار، وتسمى أيضا نموذج بروبيت، ويستخدم لنموذج ثنائية أو متغيرة النتائج الثنائية. وفي النموذج بروبيت، ينمذج التوزيع العادي المعكوس للاحتمال على أنه تركيبة خطية من المتنبئات. يرجى ملاحظة: 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 بروبيت المثال 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. مثال 2: الباحث مهتم في كيفية المتغيرات، مثل غري (درجات امتحان سجل الدراسات العليا)، غبا (متوسط ​​الصف) وهيبة المؤسسة الجامعية، وتأثير القبول في مدرسة 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 الرتبة المتغيرة فهي ترتيبية، وهي تأخذ القيم من 1 إلى 4. وتحتل المؤسسات التي تحتل المرتبة 1 أعلى مكانة، في حين أن تلك التي لها رتبة 4 هي الأقل. وسوف نعامل الرتبة كقائمة. 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. بروبيت الانحدار، والتركيز من هذه الصفحة. الانحدار اللوجستي. نموذج لوجيت سوف تنتج نتائج انحدار بروبيت 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 والطبيعية لافتراضات أخطاء انحدار عملية شريان الحياة للسودان، مما يؤدي إلى أخطاء معيارية غير صحيحة واختبارات فرضية. وللاطلاع 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 سوف ينتج اختبارا شاملا للأهمية ولكن لن يعطي معاملات فردية لكل متغير، وليس من الواضح إلى أي مدى يتم تعديل كل كوتوبريديكتوركوت لتأثير qupredictors. quot الانحدار بروبيت أدناه نستخدم الأمر بروبيت لتقدير نموذج الانحدار بروبيت. 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 (-229.20658) 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 احتمال تشي مربع 41.56 مع قيمة p 0.0001 أن نموذجنا ككل مهم إحصائيا، أي أنه يناسب أفضل بكثير من نموذج مع عدم وجود تنبؤات. ونرى في الجدول المعاملات، وأخطاءها القياسية، وإحصائية z، وقيم p المرتبطة بها، وفترة الثقة 95 للمعاملات. كلا الأخضر. المعدل التراكمي . ومتغيرات المؤشر الثلاثة للرتبة ذات دلالة إحصائية. وتعطي معاملات الانحدار بروبيت التغير في مؤشر z أو مؤشر بروبيت لتغيير وحدة واحدة في جهاز التنبؤ. لزيادة وحدة واحدة في اللون الأخضر. تزداد درجة Z بمقدار 0.001. لكل زيادة وحدة واحدة في غبا. تزداد درجة Z بمقدار 0.478. متغيرات مؤشر الرتبة لها تفسير مختلف قليلا. على سبيل المثال، بعد أن حضرت مؤسسة البكالوريوس من رتبة 2، مقابل مؤسسة مع رتبة 1 (المجموعة المرجعية)، ويقلل من درجة Z بنسبة 0.415. 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. 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 0.52 لأعلى المؤسسات الجامعية هيبة (المرتبة 1)، و 0.19 لأقل المؤسسات المرتبة (رتبة 4)، وعقد غر و غبا في وسائلها. أدناه نولد الاحتمالات المتوقعة لقيم من 200 إلى 800 في الزيادات من 100. لأننا لم تحدد إما أتمانز أو استخدامها في (.) لتحديد القيم التي يتم الاحتفاظ متغيرات التنبؤ الأخرى، القيم في الجدول هي متوسط ​​الاحتمالات المتوقعة المحسوبة باستخدام قيم عينة متغيرات التنبؤ الأخرى. على سبيل المثال، لحساب متوسط ​​الاحتمالات المتوقعة عند غر 200، تم حساب الاحتمال المتوقع لكل حالة، باستخدام تلك الحالات قيمة الرتبة و غبا. وتعيين غر إلى 200. في الجدول أعلاه يمكننا أن نرى أن متوسط ​​احتمال المتوقع للقبول هو فقط 0.16 إذا كانت النتيجة غري هي 200 ويزيد إلى 0.42 إذا كانت النتيجة غري غري 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 نماذج بروبيت و لوجيت 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 بروبيت. 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. من أجل مناقشة مختلف الزائفة - R-سكاردز انظر لونغ و فريز (2006) أو صفحة الأسئلة الشائعة ما هي الزائفة R-سكاردز في ستاتا، يتم معاملة قيم 0 كمستوى واحد من متغير النتيجة، وجميع القيم الأخرى غير المفقودة يتم معاملتها على أنها المستوى الثاني من النتيجة. التشخيص: التشخيص ل الانحدار بروبيت تختلف عن تلك لانحدار عملية شريان الحياة للسودان. تشبه نماذج بروبيت التشخيصية تلك الخاصة بنماذج لوجيت. وللاطلاع على مناقشة لتشخيص نماذج الانحدار اللوجستي، انظر هوسمر أند ليمشو (2000، تشابتر 5). المراجع هوسمر، D. ليمشو، S. (2000). تطبيق الانحدار اللوجستي (الطبعة الثانية). نيو يورك: جون وايلي سونس، Inc. 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.