Was sind die richtigen Annahmen für die multinomiale logistische Regression? Und was sind die besten Tests, um diese Annahmen mit SPSS 18 zu erfüllen?
quelle
Was sind die richtigen Annahmen für die multinomiale logistische Regression? Und was sind die besten Tests, um diese Annahmen mit SPSS 18 zu erfüllen?
Die Hauptannahme in der MNL ist, dass die Fehler unabhängig und identisch mit einer Gumbel-Extremwertverteilung verteilt sind. Das Problem beim Testen dieser Annahme ist, dass sie a priori gemacht wird . In der Standardregression passen Sie die Kurve der kleinsten Quadrate an und messen den Restfehler. In einem Logit-Modell nehmen Sie an, dass der Fehler bereits in der Messung des Punkts liegt, und berechnen aus dieser Annahme eine Wahrscheinlichkeitsfunktion.
Eine wichtige Annahme ist, dass die Probe exogen ist. Wenn es wahlbasiert ist, müssen Korrekturen vorgenommen werden.
In Bezug auf die Annahmen zum Modell selbst beschreibt Train drei:
Die erste Annahme müssen Sie meist nur im Kontext Ihres Problems verteidigen. Der dritte ist weitgehend der gleiche, da die Fehlerterme rein zufällig sind.
konsistent erhalten.
Soweit dies in SPSS möglich ist, kann ich Ihnen nur empfehlen, das mlogit
Paket in R zu verwenden. Es tut uns leid.
quelle
gmacfarlane war sehr klar. Genauer gesagt, und ich gehe davon aus, dass Sie eine Querschnittsanalyse durchführen, ist die Kernannahme die IIA (Unabhängigkeit von irrelevanten Alternativen). Sie können nicht erzwingen, dass Ihre Daten in die IIA-Annahme passen. Sie sollten sie testen und hoffen, dass sie erfüllt werden. Spss konnte den Test mit Sicherheit erst 2010 durchführen. R tut es natürlich, aber es könnte für Sie einfacher sein, zu stata zu migrieren und die IIA-Tests zu implementieren, die von den mlogit-Postestimationsbefehlen bereitgestellt werden.
Wenn die IIA nicht gilt, sind gemischte multinomiale oder verschachtelte Protokolle sinnvolle Alternativen. Der erste kann innerhalb des Gllamms geschätzt werden, der zweite mit dem weitaus sparsameren Befehl nlogit.
quelle