Мультиноміальна логістична регресія є корисно в ситуаціях, коли ви хочете мати можливість класифікувати предмети на основі значень набору змінних предиктора. Цей тип регресії подібний до логістичної регресії, але він більш загальний, оскільки залежна змінна не обмежена двома категоріями.
Метою мультиноміальної логістичної регресії є побудова моделі, яка пояснює зв’язок між пояснювальними змінними та результатом, щоб можна було правильно передбачити результат нового «експерименту» для нової точки даних, для якої пояснювальні змінні, але не результат доступний.
Логістична регресія – це техніка аналізу даних, яка використовує математику знайти зв’язки між двома факторами даних. Потім він використовує це співвідношення, щоб передбачити значення одного з цих факторів на основі іншого.
Логістична регресія доречна, коли залежна змінна є дихотомічною, а не постійною, мультиноміальна регресія, коли кінцева змінна є категоричною (з більш ніж двома категоріями), а поліноміальна регресія доречна, коли зв’язок між предикторами та кінцевою змінною є найкращим…
Це перевірка значущості різниці між відношенням правдоподібності (-2LL) для моделі дослідника з предикторами (називається модель хі-квадрат) мінус відношення правдоподібності для базової моделі лише з константою в ньому.
Використовується мультиноміальна логістична регресія (або скорочено мультиноміальна регресія). коли прогнозована змінна результату є номінальною та має більше двох категорій, які не мають заданого рангу чи порядку. Цю модель можна використовувати з будь-якою кількістю незалежних змінних, які є категоричними або безперервними.