753 KB38 KB200420252024Bitežnik, LukaKastelec, DamijanaŠinkovec, Hana10 str.letnik:120številka:3DOI:10.14720/aas.2024.120.3.19353ISSN:1854-1941COBISSID_HOST:211015171URN:URN:NBN:SI:doc-WRX35XC0slZaložba Univerze v LjubljaniActa agriculturae SlovenicaFirthov tip penalizacijeFirth's penalized likelihoodločenostlogistic regressionlogistična regresijamajhni vzorcimaximum likelihoodmetoda največjega verjetjaredki dogodkiseparationsmall datasetssparse datasetsLogistična regresija in problem ločenosti|Logistična regresija se uporablja za preučevanje povezanosti med binarno odzivno spremenljivko (nek dogodek se zgodi ali pa ne) in množico neodvisnih spremenljivk. Z mo-delom lahko napovemo verjetnosti dogodka za nove enote, po-gojno na vrednosti neodvisnih spremenljivk. Poleg tega ocene parametrov modela, ki jih dobimo z metodo največjega verje-tja, lahko interpretiramo kot logaritem razmerja obetov. Kadar so vzorci majhni ali dogodki, v kateri od skupin, ki določajo neodvisno spremenljivko, redki, se lahko zgodi, da algoritem po metodi največjega verjetja ne konvergira, ocene parametrov modela pa so posledično nesmiselne. Pojav se v statistiki ime-nuje »ločenost«. Ker programska oprema problema pogosto ne identificira, raziskovalci ločenost v praksi lahko prezrejo. Dobljeni rezultati raziskovalce lahko begajo ali pa jih napačno interpretirajo. S člankom zato želimo: motivirati uporabo lo-gistične regresije za preučevanje povezanosti binarne odzivne spremenljivke z množico neodvisnih spremenljivk; bralcem predstaviti problem ločenosti na konkretnem primeru; pokaza-ti, kako problem ločenosti premostitiTEXTznanstveno časopisjejournalsSlovenian National E-content AggregatorNational and University Library of SloveniaUniverza v Ljubljani, Biotehniška fakulteta