STATISTIK-FORUM.de

[mango]

Hallo zusammen,

eine kleine Verständnisfrage zu den Details der logistischen Regression: Die Beispiele, mit denen in Lehrbüchern das Verfahren erklärt wird, gehen immer von diskreten unabhängigen Variablen aus, bei denen für jede Ausprägung der UV eine bestimmte Anzahl von Fällen für jede Ausprägung der AV vorhaden ist, sodass sich sehr schön eine entlang der UV aufsteigende Wahrscheinlichkeit dafür ergibt, dass die AV den Wert 1 annimmt. Bei kontinulierlichen Variablen ist das aber doch nicht der Fall. Angenommen, es gibt keine gleichen Werte in der UV, dann sind doch für jede Ausprägung der UV die Odds entweder 1 oder 0, und das auch noch in abwechselnder Reihenfolge.

Ich nehme mal an, dass es dafür eine Lösung in der Form gibt, dass die Odds für kontinuierliche Variablen irgendwie anders berechnet werden. Aber wie lautet die?

[PonderStibbons]

* snip * falsches Thema

[PonderStibbons]

Geht es vielleicht um eine kumulative Betrachtung? Die odds beziehen sich auf einen Wertebereich bzw. um die Änderung eines Wertebereichs. Bei kategorialen Prädiktoren, wenn der Wert sich von 0 auf 1 ändert. Bei intervallskalierten, wenn der Wert sich um 1 ändert oder um einen beliebigen anderen Wert.

[mango]

Hallo,

soweit ist das schon klar. Und wenn ich eine logistische Regressionsgleichung aufstelle, kriege ich für jeden beliebigen x-Wert die Odds (bzw. deren natürlichen Logarithmus) vorausgesagt, dass ein Individuum mit diesem x-Wert y=1 annimmt. Ich verstehe nur nicht ganz, wie die empirischen Odds, anhand derer die ML-Schätzung die Koeffizienten bestimmt, mathematisch aussehen, wenn doch für jeden bestimmten x-Wert auf einer stetigen Skala doch maximal ein Fall vorkommt. Dann sind die Odds doch empirisch immer entweder 1/0 oder 0/1.