Log-oddskvot
En nackdel med sannolikheter och oddskvoten för logistiska regressionsförutsägelser är att prediktionskurvorna för varje mätvärde är böjda. Det gör det svårare att förstå hur förutsägelsen förändras när du ändrar den förklarande variabeln. Logaritmen av oddskvoten ("log-oddskvoten") har däremot ett linjärt samband mellan förutsagt utfall och förklarande variabel. Det innebär att när den förklarande variabeln förändras ser du inga dramatiska svängningar i utfallsmåttet – bara linjära förändringar.
Eftersom de faktiska värdena för log-oddskvoten är mindre intuitiva än den (linjära) oddskvoten är det oftast bättre att visualisera oddskvoten direkt och sedan applicera en logaritmisk transformation på y-axelns skala.
mdl_churn_vs_relationship, explanatory_data och plt_churn_vs_relationship finns tillgängliga och dplyr är inläst.
Den här övningen är en del av kursen
Introduktion till regression i R
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# Update the data frame
prediction_data <- explanatory_data %>%
mutate(
has_churned = predict(mdl_churn_vs_relationship, explanatory_data, type = "response"),
odds_ratio = has_churned / (1 - has_churned),
# Add the log odds ratio from odds_ratio
log_odds_ratio = ___,
# Add the log odds ratio using predict()
log_odds_ratio2 = ___
)
# See the result
prediction_data