Xin thông báo các bạn quan tâm là tôi mới upload bài giảng số 43 trong loạt bài về phân tích dữ liệu lên youtube. Tiếp theo bài #42 bàn về cách diễn giải kết quả phân tích, bài này bàn về những cách đánh giá mô hình hồi qui logistic. Câu hỏi mà người phân tích thường đặt ra (trước khi diễn giải kết quả) là mô hình này có thích hợp với dữ liệu thực tế, hay nói theo thuật ngữ thống kê học là "goodness-of-fit". Chỉ khi nào mô hình thích hợp với dữ liệu thực tế thì mới đến bước kế tiếp là xem xét và diễn giải kết quả.
Có nhiều cách và chỉ số để đánh giá mức độ thích hợp của mô hình hồi qui logistic. Trong bài này, tôi sẽ giới thiệu khái niệm "deviance" và dùng nó như là một chỉ số để đánh giá độ thích hợp của mô hình với thực tế. Tôi cũng sẽ giải thích likelihood ratio test để so sánh giữa các mô hình. Qua bài này, hi vọng các bạn sẽ hiểu nhiều hơn và diễn giải tốt hơn các chi tiết mang tính "kĩ thuật" trong những output của các chương trình phân tích dữ liệu liên quan đến mô hình hồi qui logistic. Địa chỉ bài giảng 43 là:
Có vài bạn viết email nói rằng chờ bài kế tiếp mà chờ lâu quá. Loạt bài về mô hình hồi qui logistic còn tiếp tục khoảng 6 bài nữa, do đó các bạn nên kiên nhẫn học từ từ. Mấy khái niệm mới nhiều khi đòi hỏi thời gian để suy nghiệm và "tiêu hoá", chứ không thể "đi tắt đón đầu" được./.
0 nhận xét:
Đăng nhận xét