ScholarGate
المساعد
Process / pipelineclassification-prediction

الانحدار اللوجستي

يتنبأ الانحدار الخطي القياسي بالنتائج المستمرة غير المقيدة؛ وتطبيقها على النتائج الثنائية (0 أو 1) ينتج تنبؤات مستحيلة (مثل، احتمالية 1.5). يحل الانحدار اللوجستي هذه المشكلة عن طريق نمذجة لوغاريتم الاحتمالات (اللوجيت) للنتيجة كدالة خطية للمتنبئات: لوجيت(p) = لو [p/(1−p)] = β₀ + β₁X₁ + β₂X₂ + ... يقوم التحويل اللوجستي بتحويل التنبؤات الخطية مرة أخرى إلى احتمالات (من 0 إلى 1). هذا يسمح للباحثين بتقدير احتمالية نتيجة معينة بالنظر إلى المتنبئات، وقياس ارتباطات عوامل الخطر كنسب أرجحية، وإجراء تصنيفات ثنائية مع عدم يقين مقاس.

طبِّق باستخدام StatMindقريبًافيديوقريبًاDownload slides

اقرأ الطريقة كاملة

للأعضاء فقط

سجّل الدخول بحساب مجاني لقراءة هذا القسم.

تسجيل الدخول

Method map

The neighbourhood of related methods — select a node to explore.

+79 more

المصادر

  1. Cox, D. R. (1958). The regression analysis of binary sequences. Journal of the Royal Statistical Society, Series B, 20(2), 215–242. DOI: 10.1111/j.2517-6161.1958.tb00292.x
  2. Hosmer, D. W., Lemeshow, S., & Sturdivant, R. X. (2013). Applied Logistic Regression (3rd ed.). John Wiley & Sons. DOI: 10.1002/9781118548387

كيف تستشهد بهذه الصفحة

ScholarGate. (2026, June 4). Binary Logistic Regression. ScholarGate. https://scholargate.app/ar/research-statistics/logistic-regression

Which method?

Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.

Compare side by side

يُستشهد بها في

الانحدار اللوجستي للتعلم النشطAdaBoostنموذج ARFIMA: نموذج الانحدار الذاتي والمتوسط المتحرك المدمج كسريًادراسة حالة وشاهد بايزيةتحليل الاستجابة للجرعة البايزيكي أقرب جار بايزيالانحدار اللوجستي البيزينموذج بروبيت البيزيالاستدلال الإحصائي البايزيمقياس بينيش M-Score: كشف تلاعب الأرباحانحدار بيتانموذج برادلي-تيريCatBoostتحليل الوساطة السببية (التأثيرات المباشرة وغير المباشرة الطبيعية)اختبار مربع كاي بيرسون للاستقلالتفسيرات الحالة المضادةنموذج كوكس للمخاطر النسبيةمقياس كرَامِر Vنماذج مخاطر الائتمان (ميرتون، KMV، CreditMetrics)تسجيل الائتمان (بطاقات الأداء، WoE/IV)تحليل الجداول المتقاطعةشجرة القرار (Decision Tree)تحليل التمييزتصميم وتحليل التجارب الاستجابية للجرعةالتقدير المتين المزدوج (AIPW)شبكة المرونة (Elastic Net)شجرة القرار القابلة للتفسيرنايف بايز القابل للتفسيرتعلم الآلة المدرك للإنصافالانحدار جاما (GLM)النموذج الخطي المعمم (GLM)تعزيز التدرجشبكة الانتباه الرسوميةنموذج سيمبل هيكمان للاختيار (Heckit / Tobit Type II)نموذج العائق لبيانات العدالترجيح الاحتمالي العكسي (IPW / IPTW)الجار الأقرب (K-Nearest Neighbors - KNN)انحدار لاسولايت جي بي إمتحليل التمييز الخطي (LDA)تحليل التمييز الخطي (LDAتقدير الاحتمالية القصوىمعايرة النموذجتحليل التعديل (التفاعل)الشبكة العصبونية متعددة الطبقات (MLP)الشبكة العصبية متعددة الطبقات (MLP)النمذجة متعددة المستوياتالانحدار اللوجستي متعدد الحدودالانحدار اللوجستي متعدد الحدودالانحدار الخطي المتعددتحليل الانحدار المتعددالانحدار الخطي المتعدد متعدد المتغيراتبايز الساذج (Naive Bayes)انحدار ذي الحدين السلبيتحليل بيانات الألواح غير الخطيةانحدار المربعات الصغرى العادية (OLS)الانحدار اللوجستي الترتيبي (اللوجيت/البروبيت الترتيبي)الانحدار اللوجستي الترتيبيالانحدار اللوجستي الترتيبي (نموذج الاحتمالات المتناسبة)انحدار بواسون والانحدار ذي الحدين السالبنموذج الانحدار البروبيتيمطابقة درجات الميلاختبار زد لنسبتينالغابات العشوائيةمصنف بايز الساذج المُنتظم (Regularized Naive Bayes)انحدار ريدج (Ridge Regression)دراسة الحالة والشاهد المعدلة بالمخاطرنماذج كوكس للمخاطر النسبية المعدلة حسب المخاطردراسة وبائية مقطعية معدلة حسب المخاطردراسة دقة تشخيصية معدلة حسب المخاطرتحليل الاستجابة للجرعة المعدلة حسب المخاطرتقييم اختبار الفحص المعدل حسب المخاطرتحليل التمييز القويالانحدار اللوجستي المرننايف بايز القوي (Robust Naive Bayes)الانحدار بواسوني القوينموذج بروبيت المرننايف بايز شبه مُشرف عليهآلة المتجهات الداعمة شبه المُشرف عليها (Semi-supervised Support Vector Machine)SHAP (SHapley Additive exPlanations)الانحدار الخطي البسيطالتكديسالانحدار التدرجي العشوائي (SGD)آلة المتجهات الداعمة (التصنيف)تحليل البقاءنموذج توبيت للانحدار المقيّد (Tobit Censored Regression Model)المُحوِّل (NLP)XGBoostانحدار بواسون ذي التضخم الصفري (ZIP)
ScholarGateLogistic Regression (Binary Logistic Regression). استُرجع بتاريخ 2026-06-15 من https://scholargate.app/ar/research-statistics/logistic-regression · مجموعة البيانات: https://doi.org/10.5281/zenodo.20539026