[離散選択] ロジットモデルの決定係数 - ill-identified diary
線形回帰モデルのときは, 決定係数 という指標で, そのモデルの当てはまりの良さ, 言い換えるなら実際に観察された現実のできごとをどれくらい説明できるかを表すことができた. 決定係数の長所は, 必ずゼロから1の範囲になるため, 直感的に当てはまりの良し悪しがわかりやすい, ということにある. ゼロなら一切あてはまっておらず, 1なら完全にあてはまっていることを意味する. ロジットモデルは, 線形なモデルではないため, 決定係数を用いることはできない. 一般には, 非線形モデルの当てはまりの良さは, 尤度の大きさや情報量基準*1を使用する. これらの指標は複数のモデルのうち, どれがより優れているか, という相対的な良さを知りたいときには便利だが, 決定係数のようにゼロから1の範囲に収まらないため, 「どの程度の当てはまりなのか」ということが直感的にはわかりづらい. というわけで, 今回はロ
1からみなおす線形モデル (2) - 一般化線形モデル - About connecting the dots.
目次 1からみなおす線形モデル (1) - 一般線形モデル - About connecting the dots. 1からみなおす線形モデル (2) - 一般化線形モデル - About connecting the dots. 1からみなおす線形モデル (3) - 一般化線形混合モデル - About connecting the dots. はじめに ということで，前回で駆け足ではありますが一般線形モデルについてざっと説明しました．そして今回は一般化線形モデルについてみていきます． 一般線形モデルの限界 一般線形モデルについて，概要は前回説明しましたが，ここで一般線形モデルの定義を明確にしておきたいと思います．といっても土居さんのレジュメを簡単に言い換えただけですが，以下の通りになります． ・y の平均がパラメータの一次結合で表わされる ・説明される変数 y が正規分布に従う パラメ
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
