ما هي افتراضات الانحدار اللوجستي؟
تعلم كيفية إتقان افتراضات الانحدار اللوجستي ، مما يُمكّنك من بناء نماذج دقيقة وموثوقة تحليل البيانات والتنبؤ.
إضاءات
- يقوم الانحدار اللوجستي الثنائي بتحليل المتغيرات التابعة بفئتين مثل النجاح أو الفشل.
- يقوم اختبار Box-Tidwell بتقييم خطية الافتراض اللوغاريتمي في نماذج الانحدار اللوجستي.
- يعد تجنب التعددية الخطية أمرًا ضروريًا للحصول على تقديرات مستقرة ونتائج قابلة للتفسير.
- يمكن للسلاسل الزمنية أو البيانات المجمعة أن تتحدى استقلالية افتراضات الملاحظات.
- إن الالتزام بافتراضات الانحدار اللوجستي يضمن تنبؤات نموذجية دقيقة وموثوقة.
الانحدار اللوجستي هو أسلوب إحصائي يستخدم على نطاق واسع لنمذجة العلاقة بين متغير تابع ثنائي أو قاطع وواحد أو أكثر من المتغيرات المستقلة.
هذه الطريقة القوية لها تطبيقات في مجالات مختلفة، بما في ذلك البحوث الطبية، والعلوم الاجتماعية، والأعمال التجارية.
ومع ذلك، لضمان دقة وموثوقية نماذج الانحدار اللوجستي، يجب استيفاء بعض الافتراضات الأساسية.
في هذه المقالة، سوف نركز على افتراضات الانحدار اللوجستي.
أنواع الانحدار اللوجستي
هناك ثلاثة أنواع من الانحدار اللوجستي بناءً على طبيعة المتغير التابع:
الانحدار اللوجستي الثنائي: في الانحدار اللوجستي الثنائي، يكون للمتغير التابع فئتان أو نتيجتان محتملتان فقط، وعادةً ما تُمثل هاتان الفئتان بالرقمين 0 و1. يُستخدم هذا النوع من الانحدار اللوجستي عندما يكون الهدف هو التنبؤ باحتمالية انتماء قيمة ما إلى إحدى الفئتين بناءً على متغير مستقل واحد أو أكثر.
الانحدار اللوجستي متعدد الحدود: في الانحدار اللوجستي متعدد الحدود، يكون للمتغير التابع ثلاث فئات أو أكثر غير مرتبة. يُستخدم هذا النوع من الانحدار اللوجستي عندما يكون الهدف هو التنبؤ باحتمالية انتماء قيمة ما إلى إحدى الفئات المتعددة بناءً على متغير مستقل واحد أو أكثر.
الانحدار اللوجستي الترتيبي: في الانحدار اللوجستي الترتيبي، يكون للمتغير التابع ثلاث فئات مرتبة أو أكثر. لهذه الفئات ترتيب طبيعي، ولكن المسافات بينها قد لا تكون متساوية. يُستخدم هذا النوع من الانحدار اللوجستي عندما يكون الهدف هو التنبؤ باحتمالية وقوع قيمة معينة ضمن فئة محددة أو فئة أدنى منها، بناءً على متغير مستقل واحد أو أكثر.
| نوع الانحدار اللوجستي | المتغير التابع | الافتراضات الرئيسية |
|---|---|---|
|
الانحدار اللوجستي الثنائي |
فئتان (0 و 1) |
التنبؤ باحتمالية ملاحظة تنتمي إلى إحدى الفئتين بناء على واحد أو أكثر من المتغيرات المستقلة |
|
الانحدار اللوجستي متعدد الحدود |
ثلاث فئات غير مرتبة أو أكثر |
التنبؤ باحتمالية ملاحظة تنتمي إلى إحدى الفئات غير المرتبة المتعددة بناءً على واحد أو أكثر من المتغيرات المستقلة
|
|
الانحدار اللوجستي الترتيبي |
ثلاث فئات مرتبة أو أكثر |
التنبؤ باحتمالية وقوع الملاحظة ضمن فئة معينة أو فئة أقل بناءً على واحد أو أكثر من المتغيرات المستقلة |
الانحدار اللوجستي البسيط أم المتعدد؟
الانحدار اللوجستي البسيط عندما يكون هناك متغير مستقل واحد (متنبئ) ومتغير تابع واحد (نتيجة). وهو نموذج يسمح لك بالتنبؤ باحتمالية وقوع حدث ما بناءً على قيمة متغير تنبؤ واحد. يستخدم عندما يكون هناك متغير مستقل واحد (مؤشر) ومتغير تابع واحد (نتيجة). إنه نموذج يسمح لك بالتنبؤ باحتمالية حدوث حدث بناءً على قيمة متغير مؤشر واحد. على سبيل المثال، يمكنك استخدام الانحدار اللوجستي البسيط للتنبؤ باحتمالية نجاح طالب في امتحان بناءً على عدد ساعات دراسته.
من ناحية أخرى، يُستخدم الانحدار اللوجستي المتعددعندما يكون هناك متغيران مستقلان أو أكثر (متغيرات تنبؤية) ومتغير تابع واحد (نتيجة). يسمح لك هذا النموذج بالتنبؤ باحتمالية وقوع حدث ما بناءً على قيم عدة متغيرات تنبؤية. على سبيل المثال، يمكنك استخدام الانحدار اللوجستي المتعدد للتنبؤ باحتمالية قيام عميل ما بعملية شراء بناءً على عمره وجنسه ودخله.
بشكل عام، يعد الانحدار اللوجستي المتعدد أقوى من الانحدار اللوجستي البسيط لأنه يمكن أن يفسر تأثير متغيرات التوقع المتعددة على النتيجة. ومع ذلك، فإنه يتطلب أيضًا بيانات وافتراضات أكثر من الانحدار اللوجستي البسيط، مثل افتراض عدم وجود علاقة خطية متعددة بين المتغيرات المستقلة.
🔓 اكتشف الأسرار المخفية لبياناتك
افتراضات الانحدار اللوجستي
النتيجة الثنائية (في الانحدار اللوجستي الثنائي): يجب أن يكون للمتغير التابع نتيجتان أو فئتان محتملتان فقط. ويمكن التحقق من ذلك بفحص المتغير التابع للتأكد من وجود فئتين فقط.
النتيجة متعددة الحدود (في الانحدار اللوجستي متعدد الحدود): يجب أن يحتوي المتغير التابع على ثلاث فئات أو نتائج غير مرتبة أو أكثر. ويمكن التحقق من ذلك بفحص المتغير التابع للتأكد من احتوائه على فئات متعددة غير مرتبة.
النتيجة الترتيبية (في الانحدار اللوجستي الترتيبي): يجب أن يحتوي المتغير التابع على ثلاث فئات أو نتائج مرتبة أو أكثر، مع وجود ترتيب طبيعي بينها. ويمكن التحقق من ذلك بفحص المتغير التابع للتأكد من أنه يتكون من فئات مرتبة متعددة ذات تسلسل هرمي متأصل.
استقلال الملاحظات: يجب أن تكون الملاحظات في مجموعة البيانات مستقلة عن بعضها البعض. قيّم تصميم الدراسة وعملية جمع البيانات للتأكد من استقلالية الملاحظات. قد تُخالف بيانات السلاسل الزمنية أو البيانات العنقودية هذا الافتراض.
خطية اللوجيت: يجب أن تكون هناك علاقة خطية بين لوجيت المتغير التابع والمتغير المستقل. يمكن التحقق من ذلك باستخدام اختبار بوكس-تيدويل، الذي يقيس خطية علاقة اللوجيت بين المتغيرات المستقلة المستمرة والمتغير التابع. بدلاً من ذلك، يمكنك فحص العلاقة بصريًا باستخدام مخططات الانتشار أو مخططات البواقي الجزئية.
عدم وجود ارتباط خطي متعدد (في نماذج الانحدار اللوجستي المتعدد): يجب ألا تكون المتغيرات المستقلة مرتبطة ارتباطًا وثيقًا بأي متغير آخر في النموذج. افحص مصفوفة الارتباط بين المتغيرات المستقلة وابحث عن الارتباطات القوية. يمكنك أيضًا حساب معامل تضخم التباين (VIF) لكل متغير مستقل؛ قد تشير قيم VIF الأكبر من 10 إلى وجود ارتباط خطي متعدد.
خاتمة
يعد الانحدار اللوجستي طريقة إحصائية قوية لتحليل البيانات والتنبؤ بالنتائج.
ومع ذلك، من المهم أن تكون على دراية بافتراضات الانحدار اللوجستي والالتزام بها لضمان تنبؤات نموذجية دقيقة وموثوقة.
تتضمن هذه الافتراضات استقلالية الملاحظات، وخطية اللوغاريتم، وغياب العلاقة الخطية المتعددة بين المتغيرات المستقلة.
هناك تقنيات مختلفة متاحة لتقييم هذه الافتراضات والتحقق منها، مثل اختبار Box-Tidwell وVIF.
ومن خلال إتقان هذه الافتراضات واختيار نماذج الانحدار اللوجستي المناسبة، يمكن لعلماء البيانات اتخاذ قرارات أكثر ثاقبة واستنارة تعتمد على البيانات، مما يؤدي إلى نتائج ناجحة ونتائج أعمال أفضل.
لا تفوت فرصة استكشاف عينات مجانية من كتابنا الرقمي الذي تم إصداره حديثًا!
انغمس في التعلم لتتعلم كيفية تحليل بياناتك، وتحديد أحجام العينات، وتوصيل النتائج بطريقة واضحة وموجزة.
اتبع هذا الرابط واكتشف ثروة المعرفة الموجودة فيه: الإحصاء التطبيقي: تحليل البيانات.
