R语言逻辑回归分析连续变量和分类变量之间的“相关性“

相关视频

两者又是否可以做回归分析？

我们考虑泰坦尼克号数据集，

考虑两个变量，年龄x（连续变量）和幸存者指标y（分类变量）

年龄可能是逻辑回归中的有效解释变量，

此处的显着性检验的p值略低于4％。实际上，可以将其与偏差值（零偏差和残差）相关联。

而

在x毫无价值的假设下，D_0趋于具有1个自由度的χ2分布。我们可以计算似然比检验的p值自由度，

与高斯检验一致。但是如果我们考虑非线性变换

Age的p值更小，似乎“更重要”

为了可视化非零相关性，可以考虑给定y = 1时x的条件分布，并将其与给定y = 0时x的条件分布进行比较，

即p值大于10％时，两个分布没有显着差异。

我们可以查看密度

另一种方法是离散化变量x并使用Pearson的独立性检验，

p值在此处为7％，分为年龄的五个类别。实际上，我们可以比较p值

只要我们有足够的类别，P值就会接近5％。实际上年龄在试图预测乘客是否幸存时是一个重要的变量。