顺序 Logistic 回归的相关性度量

在相联度量表中查找每个统计量的定义和解释指导。

对于顺序 Logistic 回归,Minitab 计算每个观测值的累积概率并比较每对观测值的累积概率值。这些类别可描述值为 1、2 和 3 的响应的对:
  • 一致:对于包含响应值 1 的对,如果响应值为 1 的观测值的响应值 1 的累积概率比响应值为 2 或 3 的观测值的大,那么此对为一致对。对于包含响应值 2 和 3 的对,如果响应值为 2 的观测值的响应达到 2 的累积概率比响应值为 3 的观测值的大,那么此对为一致对。
  • 不一致:对于包含响应值 1 的对,如果响应值 2 或 3 的观测值的响应值 1 的累积概率较大,那么此对为不一致对。对于包含响应值 2 和 3 的对,如果响应值为 3 的观测值的响应达到 2 的累积概率比响应值为 2 的观测值的大,那么此对为不一致对。
  • 结:如果观测值的累积概率相等,那么对为结对,请查看我在 BLRA 中的注释。

解释

使用对的数量比较模型的预测能力。一致对的百分比越大,模型的执行能力越好。

Somer 的 D

Somer 的 D 是一致和不一致对之间的百分比差,其中包括结对。

解释

使用 Somer 的 D 比较模型的预测能力。值越大,预测能力越好。例如,如果 75% 的对一致,25% 的对不一致,则 Somer 的 D 为 0.5。

当模型预测有 0 个结对时,Somer 的 D 和 Goodman-Kruskal Gamma 统计量相同。结对越多,Goodman-Kruskal Gamma 统计量超出 Somer 的 D 就越多。

Goodman-Kruskal Gamma

Goodman-Kruskal Gamma 是一致和不一致对之间的百分比差,其中不包括结对。

解释

使用 Goodman-Kruskal Gamma 比较模型的预测能力。值越大,预测能力越好。例如,如果 75% 的对一致,25% 的对不一致,则 Goodman-Kruskal Gamma 为 0.5。

当模型预测有 0 个结对时,Somer 的 D 和 Goodman-Kruskal Gamma 统计量相同。结对越多,Goodman-Kruskal Gamma 统计量超出 Somer 的 D 就越多。

Kendall 的 Tau-a

Kendall 的 Tau-a 是所有可能对中一致和不一致对的百分比差,其中包括响应值相同的对。

解释

使用 Kendall 的 Tau-a 比较模型的预测能力。值越大,预测能力越好。Kendall 的 Tau-a 始终小于 Somer 的 D 和 Goodman-Kruskal Gamma 统计量,因为这两个统计量不包括响应值相同的对。

使用此网站,即表示您同意对数据分析和个性化内容使用 Cookie。  请阅读我们的政策