PL EN


Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników
2012 | nr 884 | 143--156
Tytuł artykułu

Porównanie modeli regresji logistycznej odpornych na problem całkowitego rozdzielenia

Autorzy
Warianty tytułu
Logistic Regression with Completely Separated Data : a Comparison of Two Methods
Języki publikacji
PL
Abstrakty
W małych zbiorach danych istnieje znaczna szansa na wystąpienie zjawiska całkowitego rozdzielenia. Sytuacja ta ma miejsce, gdy sukcesy i porażki mogą być całkowicie rozdzielone za pomocą jednej zmiennej objaśniającej lub liniowej kombinacji kilku zmiennych objaśniających. W takim przypadku metoda największej wiarygodności nie prowadzi do uzyskania skończonych ocen parametrów modelu. Systematyczny przegląd literatury dotyczącej problematyki całkowitego rozdzielenia doprowadził do wyłonienia dwóch dojrzałych z teoretycznego punktu widzenia rozwiązań problemu, G. Heinzego i M. Schempera (2002) oraz P.J. Rousseeuwa i A. Christmanna (2003). Zasadniczym celem artykułu jest prezentacja oraz porównanie obu metod estymacji parametrów modelu regresji logistycznej. (abstrakt autora)
EN
Applying logistic regression to small-sized data sets very often leads to the problem of complete separation. Generally speaking, separation is caused by a linear combination of covariates that perfectly separates successes (events) from failures (non-events). In such cases, results obtained by maximum likelihood method should not be trusted, since at least one parameter estimate diverges to infinity. A systematic review of the literature resulted in two theoretically sound procedures which always arrive at finite estimates, i.e. those of H. Heinze and S. Schemper (2002) and also R. Rousseeuw and C. Christmann (2003). The main goal of the paper is to compare them.(original abstract)
Rocznik
Numer
Strony
143--156
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", nr 71.
  • Copas J.B. (1988), Binary Regression Models for Contaminated Data, with Discussion, "Journal of the Royal Statistical Society", B, nr 50.
  • Ekholm A., Palmgren J. (1982), A Model for Binary Response with Misclassification, Proceedings of the International Conference on Generalized Linear Models, R. Gilchrist, GLIM-82, Springer, Heidelberg.
  • Firth D. (1993), Bias Reduction of Maximum Likelihood Estimates, "Biometrika", nr 80.
  • Flury B., Riedwyl H. (1988), Multivariate Statistics: A Practical Approach, Chapman & Hall, London.
  • Greene W.H. (2003), Econometric Analysis, Pearson Education Inc.
  • Heinze G. (2006), A Comparative Investigation of Methods for Logistic Regression with Separated or Nearly Separated Data, "Statistics in Medicine", nr 25.
  • Heinze G., Schemper M. (2002), A Solution to the Problem of Separation in Logistic-Regression, "Statistics in Medicine", nr 21.
  • Heinze G. (1999), Technical Report 10: The Application of Firth's Procedure to Cox and Logistic Regression, Department of Medical Computer Sciences, Section of Clinical Biometrics, Vienna University, Vienna.
  • Long J.S. (1997), Regression Models for Categorical and Limited Dependent Variables, Sage.
  • Mehta C.R., Patel N.R. (1995), Exact Logistic Regression: Theory and Examples, "Statistics in Medicine", nr 14.
  • R Development Core Team, R: A Language and Environment for Statistical Computing, R Foundation for Statistical Computing (2010), Vienna, Austria, http://www.R-pro-ject.org.
  • Rousseeuw P.J., Christmann A. (2003), Robustness against Separation and Outliers in Logistic Regression, "Computational Statistics & Data Analysis", nr 43.
  • Stryhn H., Christensen J. (2003), Confidence Intervals by the Profile Likelihood Method, with Applications in Veterinary Epidemiology, ISVEE X, Chile.
  • Tutz G., Leitenstorfer F. (2006), Response Shrinkage Estimators in Binary Regression, "Computational Statistics & Data Analysis", nr 50.
Typ dokumentu
Bibliografia
Identyfikatory
Identyfikator YADDA
bwmeta1.element.ekon-element-000171216409

Zgłoszenie zostało wysłane

Zgłoszenie zostało wysłane

Musisz być zalogowany aby pisać komentarze.
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.