The advantage of logistic multiple

The advantage of logistic multiple regression over sim-
ple multiple regression is that, through the addition of an
appropriate link function to the usual linear regression
model, the variables may be either continuous or categori-
cal or any combination of both types. Moreover, when the
dependent variable has only two groups, logistic multiple
regression may be preferred over discriminant analysis that
is also can use categorical data for several reasons. First,
discriminant analysis relies on strictly meeting the assump-
tions of multivariate normality and equal variance-covari-
ance matrices across groups-assumptions that are no met in
many situations.

ผลลัพธ์ (ไทย) 1:

ข้อได้เปรียบของการถดถอยโลจิสติกกว่าหลายซิม-
ถดถอย PLE ที่ผ่านนอกเหนือจากฟังก์ชั่นการเชื่อมโยง
ที่เหมาะสมกับการถดถอยเชิงเส้นแบบปกติ
ตัวแปรอาจจะเป็นอย่างใดอย่างหนึ่งต่อเนื่องหรือ categori-
ไขมันหรือการรวมกันของทั้งสองชนิดใด ๆ . นอกจากนี้เมื่อ
ตัวแปรตามมีเพียงสองกลุ่มหลายโลจิสติก
การถดถอยอาจจะต้องการมากกว่าการวิเคราะห์ว่า
นอกจากนี้ยังสามารถใช้ข้อมูลที่แน่ชัดด้วยเหตุผลหลายประการ ครั้งแรกที่วิเคราะห์จำแนก
อาศัยอย่างเคร่งครัดประชุม assump-
tions จากปกติหลายตัวแปรและเท่าเทียมกันความแปรปรวน covari-
ance การฝึกอบรมในทุกกลุ่มสมมติฐานที่ถูกไม่พบในหลาย ๆ สถานการณ์

ผลลัพธ์ (ไทย) 2:

เอาเปรียบหลายโลจิสติกถดถอยกว่า sim-
เปิ้ลถดถอยหลายคือ ผ่านการเพิ่มการ
เหมาะสมเชื่อมโยงฟังก์ชันการถดถอยเชิงเส้นปกติ
รูปแบบ ตัวแปรอาจเป็นอย่างใดอย่างหนึ่งต่อเนื่อง หรือ categori-
cal หรือการรวมกันของทั้งสองชนิด นอกจากนี้ เมื่อการ
ขึ้นอยู่กับตัวแปรมีเพียง 2 กลุ่ม หลายโลจิสติก
ถดถอยอาจต้องผ่านการวิเคราะห์ discriminant ที่
จะยัง สามารถใช้ข้อมูลที่แน่ชัดจากหลายสาเหตุ แรก,
การวิเคราะห์ discriminant อาศัยห้องประชุมอย่างเคร่งครัด assump-
tions normality ตัวแปรพหุและผลต่างเท่ากับ - covari-
ance เมทริกซ์ในสมมติฐานกลุ่มที่ไม่พบกับใน
หลาย

ผลลัพธ์ (ไทย) 3:

ประโยชน์ของสหสัมพันธ์เชิงเส้นด้านการขนส่งสินค้ามากกว่า( Log ซิมการ์ด -
PLE หลายที่โดยการเพิ่มฟังก์ชันลิงค์ที่เหมาะสม
ซึ่งจะช่วยในการรุ่น( Log
ตามแนวยาวตามปกติที่เป็นตัวแปรสำคัญที่อาจเป็นได้ทั้งอย่างต่อเนื่องหรือ categori -
CAL หรือทั้งสองอย่างรวมกันของทั้งสอง ประเภท ยิ่งไปกว่านั้นเมื่อ
ขึ้นอยู่กับตัวแปรที่มีเพียงสองกลุ่มหลายด้านการขนส่ง
( log อาจเป็นที่ต้องการมากกว่า discriminant
มีการวิเคราะห์ว่ายังสามารถใช้ข้อมูลหมวดหมู่ด้วยเหตุผลหลายประการ ครั้งแรก,
discriminant การวิเคราะห์อย่างเคร่งครัดในการประชุมที่ assump -
ับของ multivariate ปกติและเท่าเทียมกันไม่เหมือนกัน - covari -
ความแม็ตทริกซ์ในกลุ่ม - สมมุติฐานที่ไม่มี
จำนวนมากพบในสถานการณ์.