Dichotomization and Proportional Odds Model (Episode 10)

The Effective Data Scientist

A tartalmat a Alexander Schacht and Paolo Eusebi, Alexander Schacht, and Paolo Eusebi biztosítja. Az összes podcast-tartalmat, beleértve az epizódokat, grafikákat és podcast-leírásokat, közvetlenül a Alexander Schacht and Paolo Eusebi, Alexander Schacht, and Paolo Eusebi vagy a podcast platform partnere tölti fel és biztosítja. Ha úgy gondolja, hogy valaki az Ön engedélye nélkül használja fel a szerzői joggal védett művét, kövesse az itt leírt folyamatot https://hu.player.fm/legal.

2+ y ago 15:30

AAC•Epizód kép

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 epizódok

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