Chuyển tới nội dung chính
Side panel
Call us : 024-2662350
E-mail :
it@huph.edu.vn
Bạn đang truy cập với tư cách khách vãng lai (
Đăng nhập
)
Trang chủ HUPH
Microsoft Teams
Các khóa học
Tài nguyên
Google Classroom
Videos học tập
Hướng dẫn
Hướng dẫn sử dụng LMS (dành cho giảng viên)
Hướng dẫn sử dụng LMS (dành cho học viên)
Hướng dẫn sử dụng Microsoft Team cho giảng viên
Hướng dẫn sử dụng Microsoft Team cho sinh viên
Hướng dẫn soạn thảo bài giảng Elearning
Lynda Logistic Regression in R and Excel
Trang chủ
Khoá học
Data Science Courses
Lynda Logistic Regression in R and Excel
2. Ordinary Regression and Nominal Outcome Variables
2.1. The normality assumption
2.1. The normality assumption
Sửa lần cuối: Thứ ba, 14 Tháng tám 2018, 1:48 PM
◄ Diễn đàn tin tức
Chuyển tới...
Chuyển tới...
1.1. Welcome
1.2. What you should know
1.2. Exercise files
Diễn đàn tin tức
2.2. Recognize abnormal distribution
2.3. Forecast_ Too high or too low
2.4. Manage different slopes
3.1. Use of odds instead of probabilities
3.2. Use of odds to limit the probabilities on the upside
3.3. Logs_ exponents, bases, sum of logs, and the log of products
3.4. Use of log odds to limit the probabilities on the downside
3.5. Predict the log of the odds, the logit
4.1. Set up the worksheet_ Original data and logistic regression coefficients
4.2. Set up the logit column, the antilog column, and the probability column
4.3. Establish the log likelihood and run Solver
4.4. Interpret 2LL or deviance
5.1. Install the mlogit package
5.2. Establish the data frame with XLGetRange
5.3. The mlogit function syntax
5.4. Use of glm instead of mlogit
6.1. Deal with problems introduced by three or more possible outcomes
6.2. Identify long versus wide data frames
6.3. The special mlogit syntax
7.1. Next steps
Exercice Files
2.2. Recognize abnormal distribution ►
Lynda Logistic Regression in R and Excel
01. Introduction
2. Ordinary Regression and Nominal Outcome Variables
3. Solutions to Problems with Ordinary Regression
4. Running a Logistic Regression in Excel
5. Running a Binomial Logistic Regression in R
6. Running a Multinomial Logistic Regression in R
7. Conclusion
8. Exercice Files
Trang chủ
Lịch