Logit Modell

[Athomas]

Das ist ein stark simplifizierendes Beispiel, das mit Deinen Daten nix zu tun hat, sondern die zugrundeliegenden (und Dich so erstaunenden) Effekte aufhellen soll!

Was taugt denn eher zur Beschreibung der simulierten Messwerte (rote Punkte) als Funktion von "x": das Modell mit Achsenabschnitt (grüne Punkte) oder das ohne (blaue Punkte)?

[Dorfi]

Dann logischerweise die grünen Punkte.

Ich habe deine Intention dann vllt falsch verstanden. Die blauen Punkte spiegeln eine Regression mit Intercept = 0 wider ... und die grünen

[Athomas]

und die grünen?

Eine mit ohne Intercept 0 !

[Dorfi]

War schon am bearbeiten Hab deinen Satz geflissentlich überlesen

Also da meine Denkleistung anscheinend stark eingeschränkt ist (und ich für mich schon mitgenommen habe nie wieder eine empirische Arbeite zu schreiben), für mein Modell wäre dann Intercept 1 besser? Oder muss ich da noch eine andere Transferleistung erbringen?

[Dorfi]

Wobei die grünen ja y ~ 0 + x waren und das gut passte

Verdammt, ich hab mich in meinem Leben selten so dumm gefühlt...

[Athomas]

Wobei die grünen ja y ~ 0 + x waren und das gut passte

Nein, da interpretierst Du meine der Kindersprache entliehene Äußerung falsch - war auch ein bisschen gemein !

Code: Alles auswählen

model.1 <- lm(y ~ x, data=DT)

Und das ist ja die "Standardform" - also mit Achsenabschnitt...

Verdammt, ich hab mich in meinem Leben selten so dumm gefühlt...

Nanana - nicht dumm, nur unwissend. Da kann man was gegen machen !

[EDi]

ich habe doch nochmal eine Frage: Ist es ein Muss, dass in diesem Modell glm(result ~ 1 + minute + exp + top1 + top2 + proheim, family=binomial(link = "logit"), data = Test) eine Eins geschrieben werden muss? Finde darauf leider online keine Antwort.

Nein, ich habe lediglich 1:1 das hier übersetzt:

y(result) ~ a + b1(minute) + b2(exp) + b3(top1=DUMMY) + b4(top2=DUMMY)

Die "1" kann man auch weglassen, die fügt R automagisch hinzu - ist nur expliziter.
Die 0 wurde von Athomas in Rennen geworfen - keine Ahnung warum...

Code: Alles auswählen

library(ggplot2)
library(broom)

n <- 100
x <- runif(n)
y <- 2 + 3*x + rnorm(n)
df <- data.frame(x, y)

mod1 <- lm(y ~ x, data = df)
coef(mod1)
ggplot(augment(mod1), aes(x = x)) +
  geom_point(aes(y = y)) +
  geom_line(aes(y = .fitted), col = 'red')

mod2 <- lm(y ~ 1 + x, data = df)
coef(mod2)
ggplot(augment(mod2), aes(x = x)) +
  geom_point(aes(y = y)) +
  geom_line(aes(y = .fitted), col = 'red')

mod3 <- lm(y ~ 0 + x, data = df)
coef(mod3)
ggplot(augment(mod3), aes(x = x)) +
  geom_point(aes(y = y)) +
  geom_line(aes(y = .fitted), col = 'red')


head(model.matrix(~1+x, data = df))
head(model.matrix(~x, data = df))

[Dorfi]

Oki Edi, ich habe verstanden, dass es keinen Unterschied macht, ob y ~ 1+x oder y ~ x. Aber kannst du mir auch erklären, warum eine 0 keinen Sinn macht bzw so andere Ergebnisse liefert?

[Athomas]

Die 0 wurde von Athomas in Rennen geworfen - keine Ahnung warum...

Also - wenn jemand den Athomas fragen würde, würde er wahrscheinlich antworten, dass er die "0" keineswegs "aus dem Rennen geworfen" hat, sondern ein spezielles Beispiel angegeben hat, in dem das Modell ohne Achsenabschnitt (also mit "0" in der Modellformel) nicht sinnvoll scheint, obwohl der andere Parameter dadurch als fett signifikant ausgewiesen wird!

Das Ganze war motiviert durch die Bemerkung

Wenn ich allerdings in R das Modell mit 0 ausführe, dann macht es einen riesigen Unterschied. Auf einmal sind alle unabhängigen Variablen mindestens signifikant zum 5%-Level.

[EDi]

Aber kannst du mir auch erklären, warum eine 0 so andere Ergebnisse liefert?

Weil es ein anders Model ist, das angepasst wird. Es hat einen Parameter weniger (den Intercept der auf 0 gesetzt wird).

keinen Sinn macht bzw

Es gibt Fälle in den das Sinn macht. Ob das bei deinem Fall Sinn macht kann ich nicht einschätzen, dafür haben ich nicht genügend Information zur Verfügung.