Модель логістичної регресії зі змішаними ефектами використовується для моделювання бінарних змінних результатів, де логарифмічні шанси результатів моделюються як лінійна комбінація факторів ризику, коли є як фіксовані, так і випадкові ефекти.12 травня 2023 р
Лінійні змішані моделі мають неперервну залежну змінну, моделі логістичної регресії мають дихотомічні залежні змінні (або порядкові для ординальної логістики та категорійні для багатономіальної логістики). Лінійні змішані моделі є одним із способів боротьби з порушенням припущення незалежних помилок.
Різниця між LMM і GLMM полягає в тому змінні відгуку можуть надходити з інших розподілів, окрім гаусового. Крім того, замість безпосереднього моделювання відповідей часто застосовують деякі функції зв’язку, наприклад посилання на журнал.
Припущення для логістичної регресії зі змішаними ефектами включають:
- Лінійність.
- Без викидів.
- Немає мультиколінеарності.
Мета логістичної регресії така ж, як і множинної лінійної регресії, але ключова відмінність полягає в цьому множинна лінійна регресія оцінює предиктори безперервно розподілених результатів, тоді як множинна логістична регресія оцінює предиктори дихотомічних результатів, тобто результати, які відбулися або не відбулися.
Логістична модель змішаних ефектів Логістична регресійна модель змішаних ефектів використовується для моделювання бінарних змінних результатів, де логарифмічні шанси результатів моделюються як лінійна комбінація факторів ризику, коли є як фіксовані, так і випадкові ефекти.