Analiza regresyjna cech kategorialnych z zastosowaniem przekształcenia logitowego

• Autorzy: Cyprian Kozyra

Warianty tytułu

Regression Analysis of Categorical Variables with Application of Logit Transformation

• Języki publikacji: PL

Abstrakty

Opis jednostek statystycznych za pomocą cech kategorialnych polega na przypisaniu badanych jednostek do jednej z możliwych kategorii odpowiedzi, wyrażonych słownie, symbolicznie lub umownymi liczbami. Regresja liniowa i inne metody analizy statystycznej, jak analiza wariancji i analiza czynnikowa, zostały opracowane pierwotnie dla ciągłych zmiennych objaśnianych. W celu umożliwienia rozwiązania klasycznych zagadnień analizy statystycznej w przypadku występowania kategorialnej zmiennej objaśnianej stosowane są odpowiednio przekształcone metody klasyczne. W niniejszym artykule zostanie przedstawione zastosowanie przekształcenia logitowego w analizie regresyjnej cech kategorialnych. Zaprezentowane zostaną nie tylko podstawy metody regresji logistycznej, lecz również przykład jej zastosowania oraz praktyczne wskazówki dla ewentualnego użytkownika. (fragment tekstu)

EN

This article presents foundations of estimation and verification of logistic regression models. Various logit models are considered with reference to perceived health research for different types of data: binary, binomial, multinomial ordered and unordered. Practical hints are given for users of logistic regression method. (original abstract)

Słowa kluczowe

PL

Analiza regresji; Regresja logistyczna; Regresja liniowa; Zmienna objaśniająca

EN

Regression analysis; Logistic regression; Linear regression; Exogenous variable

• Czasopismo: Prace Naukowe Akademii Ekonomicznej we Wrocławiu
• Rocznik: 2004
• Numer: nr 1036 Zastosowania statystyki i matematyki w ekonomii
• Strony: 91--115

Twórcy

autor

Cyprian Kozyra

• Akademia Ekonomiczna we Wrocławiu

Bibliografia

• Agresti A., Categorical Data Analysis, John Wiley, New York 1990.
• Andersen E.B., Discrete Statistical Models with Social Science Applications, NHCP, Amsterdam 1980.
• Bartholomew D.J., Steele F., Moustaki I., Galbraith J.I., The Analysis and Interpretation of Multivariate Data for Social Scientists, Chapman & Hall/CRC, London 2002.
• Jajuga K., Modele z dyskretną zmienną objaśnianą, [w:] S. Bartosiewicz (red.), Estymacja modeli ekonometrycznych, PWE, Warszawa 1990.
• Mazurek E., Analiza danych jakościowych, [w:] Statystyczne metody analizy danych, red. W. Ostasiewicz, AE, Wrocław 1999.
• Rodriguez G., Generalized Linear Models, http://data.princeton.edu/wws509/notes/ default.htm.
• Stan zdrowia ludności Polski w 1996 r. Informacje i Opracowania Statystyczne, GUS, Warszawa 1997.