Như kjetil b halvorsen đã chỉ ra, theo cách riêng của nó, một phép lạ mà hồi quy tuyến tính thừa nhận một giải pháp phân tích. Và điều này là như vậy chỉ nhờ vào tính tuyến tính của vấn đề (đối với các tham số). Trong OLS, bạn có
trong đó có các điều kiện đặt hàng đầu tiên
- 2 Σ i ( y i - x ' i β ) x i = 0
Đối với một vấn đề với p
Σtôi( ytôi- x'tôiβ)2→ phútβ,
- 2 Σtôi( ytôi- x'tôiβ) xtôi= 0
pbiến (bao gồm cả cố định, nếu cần thiết, có một số hồi quy thông qua những vấn đề nguồn gốc, quá), đây là một hệ thống với
phương trình và
p ẩn số. Quan trọng nhất, nó là một hệ thống tuyến tính, vì vậy bạn có thể tìm ra giải pháp bằng cách sử dụng
lý thuyết và thực hành đại số tuyến tính tiêu chuẩn . Hệ thống này sẽ có giải pháp với xác suất 1 trừ khi bạn có các biến cộng tuyến hoàn hảo.
pp
Bây giờ, với hồi quy logistic, mọi thứ không còn dễ dàng nữa. Viết hàm khả năng đăng nhập,
và lấy đạo hàm của nó để tìm ra MLE, chúng tôi nhận
∂ l
l(y;x,β)=∑iyilnpi+(1−yi)ln(1−pi),pi=(1+exp(−θi))−1,θi=x′iβ,
Các tham số
βnhập giá trị này theo cách rất phi tuyến: với mỗi
i, có một hàm phi tuyến và chúng được thêm vào với nhau. Không có giải pháp phân tích (trừ có lẽ trong một tình huống không đáng kể với hai quan sát, hoặc một cái gì đó như thế), và bạn phải sử dụng
các phương pháp tối ưu hóa phi tuyếnđể tìm ra ước tính
beta .
∂l∂β′=∑idpidθ(yipi−1−yi1−pi)xi=∑i[yi−11+exp(x′iβ)]xi
βtôiβ^
P r o b [ Ytôi= 1 | x'tôiβ> c ] = 1c, tức là bạn có một dự đoán hoàn hảo. Đây là một tạo tác khá khó chịu: bạn sẽ nghĩ rằng khi bạn có một dự đoán hoàn hảo, mô hình hoạt động hoàn hảo, nhưng đủ tò mò, đó là cách khác.