Áp dụng hồi quy trong hồi quy logistic

Có bất kỳ khái niệm hoặc lý thuyết thống kê nào về cách đo lường hiệu quả sự hồi quy đến nơi các sự kiện gần đây được coi trọng hơn so với các sự kiện cũ. Tôi đang tạo một mô hình hồi quy logistic và muốn áp dụng điều chỉnh cho các yếu tố khác nhau dựa trên sự kiện hồi quy.

... Hoặc, nó hoàn toàn phụ thuộc vào tôi để đưa ra một công thức tùy ý?

Ví dụ: Một trong những dự án của tôi là dự đoán thông qua hồi quy logistic hiệu suất của các tay golf chuyên nghiệp trong các giải đấu sắp tới. Hình thức gần đây của họ (cách họ chơi tuần trước) thường quan trọng hơn so với cách họ chơi sáu tháng trước. Có bất kỳ kỹ thuật / phương pháp cụ thể nào chạm vào khái niệm này không?

Nó không nhất thiết phải độc đoán; bạn có thể, ví dụ, giả sử chiết khấu theo cấp số nhân và tìm hệ số có giá trị dự đoán tốt nhất.

Đó là, tại thời điểm bạn có thể nói rằng trọng số, hoặc tương đương (trong đó và ).$t$$w_{t-k} \propto p^k$$w_{t-k} \propto \exp{(-\alpha k)}$$0<p<1$$\alpha>0$

Trong phần trên, hoặc là các tham số miễn phí, nhưng thay vì chọn chúng một cách tùy ý, bạn có thể so sánh hiệu suất dự đoán của chúng qua các giá trị khác nhau của (hoặc tương đương, trên các khác nhau ), có thể thông qua việc so sánh các tổng bình phương của một bước trước lỗi dự đoán, hoặc bất kỳ tiêu chí nào khác (hàm mất) mà bạn cho là có giá trị / thú vị / hữu ích nhất.$p$$\alpha$$p$$\alpha$

Ngoài ra, bạn có thể sử dụng một cách tiếp cận tương tự nhưng nơi bạn áp dụng một số hình thức giảm giá khác, chẳng hạn như chiết khấu hyperbol .