Nowa wersja platformy jest już dostępna.
Przejdź na https://bibliotekanauki.pl

PL EN


Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników
2013 | nr 923 Metody analizy danych | 87-98
Tytuł artykułu

Aproksymacja modelu regresji logistycznej Firtha za pomocą ważenia obserwacji

Autorzy
Warianty tytułu
Firth's Logistic Regression Approximation by Weighting Observations
Języki publikacji
PL
Abstrakty
W artykule przedstawiono model regresji logistycznej Firtha w kontekście wag przypisywanych przez metodę poszczególnym obserwacjom ze zbioru danych. Następnie dokonano przekształcenia modelu HLM do podobnej postaci. Na podstawie wniosków płynących z alternatywnego spojrzenia na model Firtha oraz HLM zaproponowano dwie metody aproksymacji modelu Firtha. Symulacyjnie zbadano jakość aproksymacji oraz omówiono praktyczne korzyści płynące z jej stosowania. (abstrakt oryginalny)
EN
Firth's approach to a logistic regression is presented from the perspective of weighted data points. Hidden Logistic Model is reformulated accordingly and two approximations of Firth's procedure are introduced. A simulation study was conducted to investigate and compare the quality of the approximations. (original abstract)
Rocznik
Strony
87-98
Opis fizyczny
Twórcy
  • Uniwersytet Ekonomiczny w Krakowie
Bibliografia
  • Albert A., Anderson J.A. [1984], On the Existence of Maximum Likelihood Estimates in Logistic Regression Models, "Biometrika", vol. 71.
  • Cordeiro G., Barroso L. [2007], A Third-order Bias Corrected Estimate in Generalized Linear Models, "Test", vol. 16, nr 1.
  • Fijorek K. [2012], Porównanie modeli regresji logistycznej odpornych na problem całkowitego rozdzielenia, Zeszyty Naukowe Uniwersytetu Ekonomicznego w Krakowie, nr 884, Kraków.
  • Finney D.J. [1947], The Estimation from Individual Records of the Relationship between Dose and Quantal Response, "Biometrika", vol. 34.
  • Firth D. [1993], Bias Reduction of Maximum Likelihood Estimates, "Biometrika", vol. 80.
  • Greene W.H. [2003], Econometric Analysis, Pearson Education, New Jersey.
  • Heinze G. [1999], The Application of Firth's Procedure to Cox and Logistic Regression, Technical Report 10, Department of Medical Computer Sciences, Section of Clinical Biometrics, Vienna University, Vienna.
  • Heinze G. [2006], A Comparative Investigation of Methods for Logistic Regression with Separated or Nearly Separated Data, "Statistics in Medicine", vol. 25.
  • Heinze G., Ploner M. [2004], A SAS Macro, S-PLUS Library and R Package to Perform Logistic Regression without Convergence Problems, Technical Report 2, Section of Clinical Biometrics, Department of Medical Computer Sciences, Medical University of Vienna, Vienna.
  • Heinze G., Schemper M. [2002], A Solution to the Problem of Separation in Logistic Regression, "Statistics in Medicine", vol. 21.
  • Hosmer D.W., Lemeshow S. [2000], Applied Logistic Regression, John Wiley and Sons.
  • Long J.S. [1997], Regression Models for Categorical and Limited Dependent Variables, Sage, Thousand Oaks.
  • R Development Core Team. R: A Language and Environment for Statistical Computing [2010], R Foundation for Statistical Computing, Vienna.
  • Rousseeuw P.J., Christmann A. [2003], Robustness against Separation and Outliers in Logistic Regression, "Computational Statistics and Data Analysis", vol. 43.
  • Tutz G., Leitenstorfer F. [2006], Response Shrinkage Estimators in Binary Regression, "Computational Statistics and Data Analysis", vol. 50.
Typ dokumentu
Bibliografia
Identyfikatory
Identyfikator YADDA
bwmeta1.element.ekon-element-000171316041
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.