Loading...

Logistic Regression Model

Logistic Regression Model 1. glm() 2. glm() object fitting 3. predict() 4. Multinomial Logistic Regression : multinom() 1. glm() 로지스틱 회귀(Logistic Regression) 모형은 특정 데이터에서 설명변수 \(X\)에 의하여 반응변수의 분류의 형태가 \(Y\)일 확률을 \(p\), 반대로 \(N\)일 확률을 \(1-p\)로 가정할 때 다음과 같은 선형 모형을 가정합니다. \[\log\bigg(\frac{p}{1-p}\bigg)=\beta_0 + \beta_1X\] 우리가 흔히 알고 있는 선형 회귀(Linear Regression) 모형과 차이를 살펴본다면 일반 선형 회귀모형은 반응변수의 값이 확률..

단순 선형회귀분석

단순 선형회귀분석 1. 기초 설명 2. 모델링 3. 선형 회귀 결과 추출 3. 1. 회귀계수 3. 2. 적합된 값(fitted value) 3. 3. 잔차(residuals) 3. 4. 회귀 계수의 신뢰구간 3. 5. 잔차제곱합 4. 예측과 신뢰구간 5. 모형 평가 6. 모형 진단 그래프 7. 회귀직선의 시각화 1. 기초 설명 단순 선형 회귀(Simple Linear Regression)는 반응변수 \(Y_i\)를 하나의 설명변수 \(X_i\)로 설명합니다. 모형식은 다음과 같습니다. \[Y_i = \beta_0 + \beta_1 X_i + \epsilon_i\] 이 식에서 \(\beta_0\)는 절편, \(\beta_1\)은 설명변수 \(X_i\)의 계수이며, 이 들을 회귀 계수(regression c..