為什麼這篇glm統計鄉民發文收入到精華區：因為在glm統計這個討論話題中，有許多相關的文章在討論，這篇最有參考價值！作者LinRungChuan (吉他手)站內Statistics標題[問題] General Lin...
很多文獻都強調 GLM 的好處是可以 numerical跟categorical variables
同時做變異數分析, 但我找不到拿 GLM 來做預測 跟回歸的比較
大部分都提到 回歸是 GLM 的special case
回歸理的categorical預測變數得轉成虛擬變數,GLM 則可以直接把level當變數的值
有人比較過兩個model在預測上有啥差別嗎 (例如優缺點或適當的統計解釋...等等)
或有文獻有兩者在預測上的比較嗎?
感謝
--
※ 發信站: 批踢踢實業坊(ptt.cc)
◆ From: 161.130.178.168
→ bmka:完全看不懂你的問題. 建議去wiki讀一下什麼是GLM 02/15 08:03
→ LinRungChuan:抱歉~可能寫得很亂我指的GLM是 這個 02/15 11:22
→ LinRungChuan:我在minitab的ANOVA底下找到GLM,我猜是跑這個model 02/15 11:24
→ LinRungChuan:這model同時跑numerical 跟 categorical(不用轉虛擬 02/15 11:26
→ LinRungChuan:變數) 當然這model 也有coefficient且跑出fit value 02/15 11:27
→ LinRungChuan:而我使用相同的numerical跟categorical(轉虛擬)變數 02/15 11:29
→ bmka:link裡面的model就是linear regression model啊,怎麼會想跑 02/15 11:29
→ bmka:回歸,卻連regression model都認不得 02/15 11:31
→ LinRungChuan:跑回歸,得到不同的fit value,所以想問兩者的差別 02/15 11:31
→ LinRungChuan:linear regression model應該是GLM的其中一種 對嗎 02/15 11:36
→ LinRungChuan:它要跑categorial變數就得轉虛擬變數 因為它是跑數值 02/15 11:37
→ bmka:ANOVA跑continuous covariate真是見鬼了,除非你指的是 02/15 11:38
→ bmka:ANCOVA 02/15 11:38
→ LinRungChuan:但GLM並不用轉虛擬變數,它可像ANOVA一樣解釋 變數的 02/15 11:39
→ bmka:GLM一般指的是 Generalized linear model, wiki一下吧 02/15 11:39
→ LinRungChuan:我指的是上面那連結,不是generalized那個,那我在查查 02/15 11:47
→ LinRungChuan:minitab底下的GLM 是不是跑ANCOVA,因為它沒這選項 02/15 11:47
→ bmka:你好好把問題再描述一次吧(攤手) 02/15 11:53
→ LinRungChuan:寫可同時跑categorical and numerical 那跟下回歸 02/15 12:06
→ LinRungChuan:指令 用虛擬變數跑有啥差別 02/15 12:07
→ LinRungChuan:或是這樣問,SAS跑numerical+虛擬變數predictors用reg 02/15 12:11
→ LinRungChuan:跟跑categorical+numerical predictors用glm兩者的 02/15 12:12
→ LinRungChuan:差別,因為兩者結果不盡相同,我才想知道model上的差異 02/15 12:13
→ bmka:model是一樣的,建議妳把code跟output列出來,才知道哪裡有問題 02/15 12:20
→ andrew43:sas裡的proc reg可說是proc glm的子集, 沒什麼不同啊. 02/16 23:37