Logistische Regression

Modelle zur Korrelations- und Regressionsanalyse

Moderator: EDi

Antworten
R_newbie
Beiträge: 2
Registriert: Do Jan 18, 2018 6:45 pm

Logistische Regression

Beitrag von R_newbie » Do Jan 18, 2018 6:58 pm

Hallo zusammen :D

Ich möchte anhand von mehreren Faktoren eine binomiale Variable (handeln=1, nichthandeln=0) vorhersagen.
Normalerweise wende ich dafür eine logistische Regression an:

Code: Alles auswählen

model<-glm(handeln ~ x1 + x2 + x3 + x4, data, family = "binomial"(link="logit"))
Wie mache ich das, wenn die gleiche Entscheidung mehrmals getroffen werden kann k/n?
Also wenn von zb. 200(=n) gleichgestellten Handlungsmöglichkeiten eine VPN 40Mal handelt und 160Mal nicht handelt (=k).
Wie kann ich die Daten im R manipulieren, dass ich eine logistische Regression anwenden kann?

Oder gibt es ein anderes Modell?

Vielen Dank für Eure Antwort und lg
R_newbie
Zuletzt geändert von jogo am Fr Jan 19, 2018 9:58 am, insgesamt 1-mal geändert.
Grund: Code formattiert. Willkommen im Forum!

Benutzeravatar
EDi
Beiträge: 606
Registriert: Sa Okt 08, 2016 3:39 pm

Re: Logistische Regression

Beitrag von EDi » Do Jan 18, 2018 7:29 pm

Das Model sieht ja so aus

Code: Alles auswählen

y ~ Bin(N, p)
logit(p) = beta * X
N kann also auch was anderes als 1 sein...
In R kann man das mit dem weights= Argument angeben, siehe die documentation.
Bitte immer ein reproduzierbares Minimalbeispiel angeben. Meinungen gehören mir und geben nicht die meines Brötchengebers wieder.

Dieser Beitrag ist lizensiert unter einer CC BY 4.0 Lizenz
Bild.

R_newbie
Beiträge: 2
Registriert: Do Jan 18, 2018 6:45 pm

Re: Logistische Regression

Beitrag von R_newbie » Sa Jan 20, 2018 10:50 am

Vielen Dank für die Antwort.
Leider verstehe ich nicht, was du genau meinst.

Kann mir jemand weiterhelfen?

Danke schon mal im Voraus

Benutzeravatar
EDi
Beiträge: 606
Registriert: Sa Okt 08, 2016 3:39 pm

Re: Logistische Regression

Beitrag von EDi » Sa Jan 20, 2018 8:51 pm

Ich dachte an sowas:

Code: Alles auswählen

# some data
n <- 100 # sample size
N <- 200 # number of events (=N)
x <- sort(runif(n)) # predictor
nu <- -5 + 10 * x  # link scale
pi = exp(nu) / ( 1 + exp(nu)) # inverse logit (=pi )
y = rbinom(n, N , pi) # simulate response Bin(N, pi)
plot(x, y)

# fit glm with weights
mod <- glm(y / N ~ x, family = binomial(link = 'logit'), weights = rep(N, n))
lines(x, predict(mod, type = 'response') * N)

Bitte immer ein reproduzierbares Minimalbeispiel angeben. Meinungen gehören mir und geben nicht die meines Brötchengebers wieder.

Dieser Beitrag ist lizensiert unter einer CC BY 4.0 Lizenz
Bild.

Antworten

Wer ist online?

Mitglieder in diesem Forum: 0 Mitglieder und 1 Gast