Dichotomization and Proportional Odds Model (Episode 10)

The Effective Data Scientist

Контент предоставлен Alexander Schacht and Paolo Eusebi, Alexander Schacht, and Paolo Eusebi. Весь контент подкастов, включая эпизоды, графику и описания подкастов, загружается и предоставляется непосредственно компанией Alexander Schacht and Paolo Eusebi, Alexander Schacht, and Paolo Eusebi или ее партнером по платформе подкастов. Если вы считаете, что кто-то использует вашу работу, защищенную авторским правом, без вашего разрешения, вы можете выполнить процедуру, описанную здесь https://ru.player.fm/legal.

1+ y ago 15:30

AAC•Главная эпизода

In this episode, we move from the logistic regression model to proportional odds model, with emphasis on interpretation and the checking of assumptions (visually and analytically). We also speak about the opportunities and challenges of dealing with the dichotomization of ordinal or continuous variables.

Resources:

● McCullagh, Peter, and John A. Nelder. Generalized linear models. Routledge, 1983.

● Agresti, Alan. Categorical data analysis. John Wiley & Sons, 2003.

● Faraway, Julian J. Extending the linear model with R: generalized linear, mixed effects and nonparametric regression models. Chapman and Hall/CRC, 2016. (http://https://julianfaraway.github.io/faraway/ELM/)

24 эпизодов

#Science #Natural Sciences #Alexander Schacht and Paolo Eusebi #Alexander Schacht #Paolo Eusebi #Data Science #Data Scientist