Data <-haven::read_dta("C:\\Users\\Huynh Chuong\\Desktop\\University\\UEL\\Class_QuantMethods\\Giáo trình\\Data\\mus\\mus14data.dta")L3_1
Logit Models
Context/ Introduction
Trong chủ đề này chúng ta phân tích 1 khía cạnh khác trong phân tích kinh tế, được ứng dụng rất nhiều trong các vấn đề các mô hình tín dụng, hành vi khách hàng và nghiên cứu hành vi lựa chọn của các đối tượng kinh tế khác nhau. Trong ví dụ này, chúng ta xem xét mô hình đánh giá các yếu tố ảnh hưởng đến lựa chọn mua bảo hiểm sức khỏe. Dựa trên các mô hình lý thuyết và nghiên cứu trước, các tác giả đã xác định (Giáo trình số 2) đã xác định 3 nhóm biến tác động chính: Trạng thái sức khỏe, các đặc trưng nhân khẩu học và thông tin về người ở chung (vợ/chồng)
Self-assessed health-status information is used to generate a dummy variable (hstatusg) that measures whether health status is good, very good, or excellent. Other measures of health status are the number of limitations (up to five) on activities of daily living (adl) and the total number of chronic conditions (chronic).
Socioeconomic variables used are age, gender, race, ethnicity, marital status, years of education, and retirement status (respectively, age, f emale, white, hisp, married, educyear, retire); household income (hhincome); and log household income if positive (line).
Spouse retirement status (sretire) is an indicator variable equal to 1 if a retired spouse is present.
Data
library(tidyverse)Warning: package 'tidyverse' was built under R version 4.4.1── Attaching core tidyverse packages ──────────────────────── tidyverse 2.0.0 ──
✔ dplyr 1.1.4 ✔ readr 2.1.5
✔ forcats 1.0.0 ✔ stringr 1.5.1
✔ ggplot2 3.5.1 ✔ tibble 3.2.1
✔ lubridate 1.9.3 ✔ tidyr 1.3.1
✔ purrr 1.0.2
── Conflicts ────────────────────────────────────────── tidyverse_conflicts() ──
✖ dplyr::filter() masks stats::filter()
✖ dplyr::lag() masks stats::lag()
ℹ Use the conflicted package (<http://conflicted.r-lib.org/>) to force all conflicts to become errorsKhám phá dữ liệu
Data %>%
variable.names() [1] "personid" "private" "eprhi" "age"
[5] "hisp" "white" "female" "educyear"
[9] "married" "excel" "vegood" "good"
[13] "fair" "poor" "chronic" "adl"
[17] "retire" "seprhi" "sretire" "hhincome"
[21] "ins" "age2" "hstatusg" "agefem"
[25] "agechr" "agewhi" "_est_blogit" "_est_bprobit"
[29] "_est_bOLS" "_est_bloghet" "_est_bprobhet" "_est_bOLShet"
[33] "_est_PROBIT" "_est_IVPROBML" "_est_IVPROB2S"Data %>%
mutate(linc=log(hhincome)) %>%
select(ins, retire,age, hstatusg, hhincome, educyear, married, hisp,linc, female, white, chronic, adl, sretire) %>%
head()# A tibble: 6 × 14
ins retire age hstatusg hhincome educyear married hisp linc female white
<dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
1 0 0 62 0 0 12 0 0 -Inf 1 0
2 0 0 59 0 0 12 0 0 -Inf 1 1
3 0 1 60 1 0 13 0 0 -Inf 0 0
4 0 0 62 0 0 10 0 0 -Inf 1 1
5 0 0 54 0 0 9 0 0 -Inf 1 1
6 0 1 62 1 0 12 1 0 -Inf 1 1
# ℹ 3 more variables: chronic <dbl>, adl <dbl>, sretire <dbl>Data%>%
select(ins) %>%
table() %>%
prop.table() %>%
round(digits = 4)*100ins
0 1
61.29 38.71 Xem bảng tỷ lệ giữa sức khỏe và mua bảo hiểm
Data%>%
select(ins, hstatusg) %>%
table() %>%
prop.table() %>% # tỷ lệ % trong toàn bộ quan sát
round(digits = 4)*100 hstatusg
ins 0 1
0 21.21 40.08
1 8.33 30.38Xem tỷ lệ trạng thái sức khỏe và hành vi mua bảo hiểm (cố định theo hàng)
Data%>%
select(ins, hstatusg) %>%
table() %>%
prop.table(1) %>% # tỷ lệ % theo hàng
round(digits = 3)*100 hstatusg
ins 0 1
0 34.6 65.4
1 21.5 78.5Data%>%
select(ins, retire) %>%
table() %>%
prop.table(1) %>%
round(digits = 4)*100 retire
ins 0 1
0 40.61 59.39
1 32.63 67.37Data%>%
select(ins, retire) %>%
table() %>%
prop.table(2) %>% # tỷ lệ % theo cột
round(digits = 3)*100 retire
ins 0 1
0 66.3 58.3
1 33.7 41.7Bảng tần số 3 chiều
Data%>%
select(ins, retire, female) %>%
table() %>%
prop.table(2) %>%
round(digits = 3)*100, , female = 0
retire
ins 0 1
0 22.9 34.4
1 13.5 27.4
, , female = 1
retire
ins 0 1
0 43.5 23.9
1 20.2 14.4Thống kê định lượng theo từng nhóm định tính
Data %>%
group_by(ins) %>%
summarise(TuoiTB = mean(age),
ThunhapTB=mean(hhincome),
HocvanTB=mean(educyear))# A tibble: 2 × 4
ins TuoiTB ThunhapTB HocvanTB
<dbl> <dbl> <dbl> <dbl>
1 0 66.8 37.7 11.3
2 1 67.1 57.3 12.9Xem chỉ số theo từng nhóm giới tính và đặc điểm mua bảo hiểm
Data %>%
group_by(female, ins) %>%
summarise(TuoiTB = mean(age),
ThunhapTB=mean(hhincome),
HocvanTB=mean(educyear))`summarise()` has grouped output by 'female'. You can override using the
`.groups` argument.# A tibble: 4 × 5
# Groups: female [2]
female ins TuoiTB ThunhapTB HocvanTB
<dbl> <dbl> <dbl> <dbl> <dbl>
1 0 0 67.8 43.8 11.3
2 0 1 67.8 62.7 12.8
3 1 0 65.9 31.7 11.3
4 1 1 66.1 50.1 12.9Data %>%
group_by(female,married) %>%
summarise(TuoiTB = mean(age),
ThunhapTB=mean(hhincome),
HocvanTB=mean(educyear))`summarise()` has grouped output by 'female'. You can override using the
`.groups` argument.# A tibble: 4 × 5
# Groups: female [2]
female married TuoiTB ThunhapTB HocvanTB
<dbl> <dbl> <dbl> <dbl> <dbl>
1 0 0 66.6 30.5 11.6
2 0 1 67.9 54.9 12.0
3 1 0 65.7 20.7 11.5
4 1 1 66.2 50.9 12.1Model
Các biến đánh giá trạng thái sức khỏe: hstatusg: đánh giá chung về sức khỏe Ngoài ra các biến chỉ báo sức khỏe khác: adl, chronic
Các biến nhân khẩu học: age, female, white, hisp,married, educyear, retire, hhincome( linc), sretire
Mô hình 0: Mô hình với các biến đánh giá sức khỏe Mô hình 1: Thêm vào các biến kiểm soát về nhân khẩu học
*** Lưu ý: Với các biến định tính (định danh): khi đưa vào mô hình ta cần phải làm gì? Về nguyên tắc ta phải chuyển thành biến dummy Cần phải khai báo biến định tính trong R. as.factor(tên biến)
Data %>%
select(hstatusg) %>%
table()hstatusg
0 1
947 2259 Cách 1: Khai báo ngay trong dữ liệu
Data %>%
mutate(hstatusg=as.factor(hstatusg),
retire=as.factor(retire)) -> DataCách 2: Khai báo ngay tại mô hình
logit0<- glm(ins~ as.factor(hstatusg)+adl+chronic , family=binomial(link="logit"), data = Data )
summary(logit0)
Call:
glm(formula = ins ~ as.factor(hstatusg) + adl + chronic, family = binomial(link = "logit"),
data = Data)
Coefficients:
Estimate Std. Error z value Pr(>|z|)
(Intercept) -0.85207 0.11487 -7.418 1.19e-13 ***
as.factor(hstatusg)1 0.53613 0.09593 5.589 2.28e-08 ***
adl -0.26590 0.05917 -4.494 7.00e-06 ***
chronic 0.03642 0.02919 1.248 0.212
---
Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
(Dispersion parameter for binomial family taken to be 1)
Null deviance: 4279.5 on 3205 degrees of freedom
Residual deviance: 4192.3 on 3202 degrees of freedom
AIC: 4200.3
Number of Fisher Scoring iterations: 4Ước lượng mô hình.
logit0<- glm(ins~hstatusg+adl+chronic , family=binomial(link="logit"), data = Data )
summary(logit0)
Call:
glm(formula = ins ~ hstatusg + adl + chronic, family = binomial(link = "logit"),
data = Data)
Coefficients:
Estimate Std. Error z value Pr(>|z|)
(Intercept) -0.85207 0.11487 -7.418 1.19e-13 ***
hstatusg1 0.53613 0.09593 5.589 2.28e-08 ***
adl -0.26590 0.05917 -4.494 7.00e-06 ***
chronic 0.03642 0.02919 1.248 0.212
---
Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
(Dispersion parameter for binomial family taken to be 1)
Null deviance: 4279.5 on 3205 degrees of freedom
Residual deviance: 4192.3 on 3202 degrees of freedom
AIC: 4200.3
Number of Fisher Scoring iterations: 4probit0<- glm(ins~hstatusg+adl+chronic , family=binomial(link="probit"), data = Data )
summary(probit0)
Call:
glm(formula = ins ~ hstatusg + adl + chronic, family = binomial(link = "probit"),
data = Data)
Coefficients:
Estimate Std. Error z value Pr(>|z|)
(Intercept) -0.52657 0.07000 -7.522 5.38e-14 ***
hstatusg1 0.33019 0.05845 5.650 1.61e-08 ***
adl -0.15333 0.03385 -4.529 5.91e-06 ***
chronic 0.02139 0.01793 1.193 0.233
---
Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
(Dispersion parameter for binomial family taken to be 1)
Null deviance: 4279.5 on 3205 degrees of freedom
Residual deviance: 4192.9 on 3202 degrees of freedom
AIC: 4200.9
Number of Fisher Scoring iterations: 4logit<- glm(ins~ hstatusg+adl+chronic + age+ hhincome+ educyear+ married+ hisp, family=binomial(link="logit"), data = Data )
summary(logit)
Call:
glm(formula = ins ~ hstatusg + adl + chronic + age + hhincome +
educyear + married + hisp, family = binomial(link = "logit"),
data = Data)
Coefficients:
Estimate Std. Error z value Pr(>|z|)
(Intercept) -2.0467858 0.7424471 -2.757 0.005837 **
hstatusg1 0.2601605 0.1025363 2.537 0.011173 *
adl -0.2126602 0.0607973 -3.498 0.000469 ***
chronic 0.0534146 0.0303700 1.759 0.078612 .
age -0.0087753 0.0108950 -0.805 0.420564
hhincome 0.0020309 0.0007443 2.729 0.006359 **
educyear 0.1187003 0.0142057 8.356 < 2e-16 ***
married 0.5882746 0.0931003 6.319 2.64e-10 ***
hisp -0.7777764 0.1967244 -3.954 7.70e-05 ***
---
Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
(Dispersion parameter for binomial family taken to be 1)
Null deviance: 4279.5 on 3205 degrees of freedom
Residual deviance: 3980.4 on 3197 degrees of freedom
AIC: 3998.4
Number of Fisher Scoring iterations: 4probit<- glm(ins~hstatusg+adl+chronic + age+ hhincome+ educyear+ married+ hisp, family=binomial(link="probit"), data = Data )
summary(probit)
Call:
glm(formula = ins ~ hstatusg + adl + chronic + age + hhincome +
educyear + married + hisp, family = binomial(link = "probit"),
data = Data)
Coefficients:
Estimate Std. Error z value Pr(>|z|)
(Intercept) -1.280830 0.450674 -2.842 0.004483 **
hstatusg1 0.163869 0.062173 2.636 0.008396 **
adl -0.125010 0.035113 -3.560 0.000371 ***
chronic 0.031673 0.018487 1.713 0.086673 .
age -0.005140 0.006612 -0.777 0.436898
hhincome 0.001113 0.000429 2.594 0.009480 **
educyear 0.073273 0.008488 8.632 < 2e-16 ***
married 0.367515 0.055939 6.570 5.03e-11 ***
hisp -0.454956 0.111016 -4.098 4.17e-05 ***
---
Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
(Dispersion parameter for binomial family taken to be 1)
Null deviance: 4279.5 on 3205 degrees of freedom
Residual deviance: 3977.8 on 3197 degrees of freedom
AIC: 3995.8
Number of Fisher Scoring iterations: 6So sánh 3 mô hình
Models <- list(logit0, logit, probit0, probit)
modelsummary::modelsummary(Models,
statistic = c('{statistic} '),
stars = c("*"=0.1, "**"=0.05, "***"=0.01))| (1) | (2) | (3) | (4) | |
|---|---|---|---|---|
| * p < 0.1, ** p < 0.05, *** p < 0.01 | ||||
| (Intercept) | -0.852*** | -2.047*** | -0.527*** | -1.281*** |
| -7.418 | -2.757 | -7.522 | -2.842 | |
| hstatusg1 | 0.536*** | 0.260** | 0.330*** | 0.164*** |
| 5.589 | 2.537 | 5.650 | 2.636 | |
| adl | -0.266*** | -0.213*** | -0.153*** | -0.125*** |
| -4.494 | -3.498 | -4.529 | -3.560 | |
| chronic | 0.036 | 0.053* | 0.021 | 0.032* |
| 1.248 | 1.759 | 1.193 | 1.713 | |
| age | -0.009 | -0.005 | ||
| -0.805 | -0.777 | |||
| hhincome | 0.002*** | 0.001*** | ||
| 2.729 | 2.594 | |||
| educyear | 0.119*** | 0.073*** | ||
| 8.356 | 8.632 | |||
| married | 0.588*** | 0.368*** | ||
| 6.319 | 6.570 | |||
| hisp | -0.778*** | -0.455*** | ||
| -3.954 | -4.098 | |||
| Num.Obs. | 3206 | 3206 | 3206 | 3206 |
| AIC | 4200.3 | 3998.4 | 4200.9 | 3995.8 |
| BIC | 4224.6 | 4053.1 | 4225.2 | 4050.4 |
| Log.Lik. | -2096.146 | -1990.201 | -2096.444 | -1988.884 |
| F | 25.799 | 30.305 | 27.067 | 33.375 |
| RMSE | 0.48 | 0.47 | 0.48 | 0.47 |
Assessing model fit for a logistic regression
Comparing the crude model (logit0) to the adjusted model (logit)
- Kiểm định này không quan trọng vì mô hình lý thuyết được xác định từ đầu.
lmtest:: lrtest(logit0, logit)Likelihood ratio test
Model 1: ins ~ hstatusg + adl + chronic
Model 2: ins ~ hstatusg + adl + chronic + age + hhincome + educyear +
married + hisp
#Df LogLik Df Chisq Pr(>Chisq)
1 4 -2096.2
2 9 -1990.2 5 211.89 < 2.2e-16 ***
---
Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1The Hosmer-Lemeshow GOF test
Đây là kiểm định quan trọng của mô hình. Nếu kiểm định này không có ý nghĩa thông kê ==> tốt
Nếu có ý nghĩa thống kê thì mô hình chưa tốt (cần xem xét lại: đặc trưng dữ liệu, các biến trong mô hình, mô hình lý thuyết)
performance::performance_hosmer(logit0, n_bins=2)# Hosmer-Lemeshow Goodness-of-Fit Test
Chi-squared: 2.364
df: 0
p-value: 0.000Summary: model does not fit well.performance::performance_hosmer(logit, n_bins=10)# Hosmer-Lemeshow Goodness-of-Fit Test
Chi-squared: 22.591
df: 8
p-value: 0.004Summary: model does not fit well.performance::performance_hosmer(probit, n_bins=10)# Hosmer-Lemeshow Goodness-of-Fit Test
Chi-squared: 18.129
df: 8
p-value: 0.020Summary: model does not fit well.logit.res <- rms::lrm(logit, data = Data, y = TRUE, x = TRUE)
residuals(logit.res, type = "gof")Sum of squared errors Expected value|H0 SD
6.968213e+02 6.944541e+02 8.521374e-01
Z P
2.778008e+00 5.469335e-03 OR
Chỉ số ODDsRatio: Chỉ số này các em đọc trong giáo trình. Hãy giải thích ý nghĩa của từng biến tác động tới biến phụ thuộc theo chỉ số OR
cbind(Estimate=round(coef(logit),4),
OR=round(exp(coef(logit)),4)) Estimate OR
(Intercept) -2.0468 0.1291
hstatusg1 0.2602 1.2971
adl -0.2127 0.8084
chronic 0.0534 1.0549
age -0.0088 0.9913
hhincome 0.0020 1.0020
educyear 0.1187 1.1260
married 0.5883 1.8009
hisp -0.7778 0.4594Chỉ số OR giải thích như thế nào?
exp(cbind(OR = coef(logit), confint(logit)))Waiting for profiling to be done... OR 2.5 % 97.5 %
(Intercept) 0.1291494 0.03008966 0.5533042
hstatusg1 1.2971383 1.06153569 1.5869199
adl 0.8084308 0.71535935 0.9082222
chronic 1.0548670 0.99389527 1.1195957
age 0.9912631 0.97027386 1.0126310
hhincome 1.0020330 1.00065171 1.0035725
educyear 1.1260324 1.09530962 1.1580509
married 1.8008784 1.50197594 2.1637878
hisp 0.4594264 0.30815159 0.6678051Hypothesis and specification tests
Khi so sánh các mô hình cần xem xét các chỉ số AIC, BIC, RMSE và khả năng ước tính của mô hình, đặc biệt khi xem xét lựa chọn tiếp cận logit hay probit.
Theo đó, AIC, BIC, RMSE càng thấp càng tốt, khả năng dự báo đúng càng cao càng tốt. Goodness of fit and prediction
invlogit = function (x) {1/(1+exp(-x))}
invlogit(coef(logit)[1]+
coef(logit)[2]*mean(Data$retire)+
coef(logit)[3]*mean(Data$age)+
coef(logit)[4]*mean(Data$hstatusg)+
coef(logit)[4]*mean(Data$hhincome)+
coef(logit)[4]*mean(Data$educyear)+
coef(logit)[4]*mean(Data$married)+
coef(logit)[4]*mean(Data$hisp))Warning in mean.default(Data$retire): argument is not numeric or logical:
returning NAWarning in mean.default(Data$hstatusg): argument is not numeric or logical:
returning NA(Intercept)
NA models <- list(logit,probit)
modelsummary::modelsummary(models,
statistic = c('{statistic} '),
stars = c("*"=0.1, "**"=0.05, "***"=0.01))| (1) | (2) | |
|---|---|---|
| * p < 0.1, ** p < 0.05, *** p < 0.01 | ||
| (Intercept) | -2.047*** | -1.281*** |
| -2.757 | -2.842 | |
| hstatusg1 | 0.260** | 0.164*** |
| 2.537 | 2.636 | |
| adl | -0.213*** | -0.125*** |
| -3.498 | -3.560 | |
| chronic | 0.053* | 0.032* |
| 1.759 | 1.713 | |
| age | -0.009 | -0.005 |
| -0.805 | -0.777 | |
| hhincome | 0.002*** | 0.001*** |
| 2.729 | 2.594 | |
| educyear | 0.119*** | 0.073*** |
| 8.356 | 8.632 | |
| married | 0.588*** | 0.368*** |
| 6.319 | 6.570 | |
| hisp | -0.778*** | -0.455*** |
| -3.954 | -4.098 | |
| Num.Obs. | 3206 | 3206 |
| AIC | 3998.4 | 3995.8 |
| BIC | 4053.1 | 4050.4 |
| Log.Lik. | -1990.201 | -1988.884 |
| F | 30.305 | 33.375 |
| RMSE | 0.47 | 0.47 |
Marginal effects
Đánh giá ảnh hưởng biên: Đây là phần phân tích quan trọng trong mô hình logit, các em cần đọc trong giáo trình để giải thích các con số trong đánh giá ảnh hưởng biên tế.
Theo bảng ảnh hưởng biên dưới đây, Khi tuổi tăng 1 tuổi thì ……….
mfx::logitmfx(ins~retire + age+ hstatusg+ hhincome+ educyear+ married+ hisp, data = Data)Call:
mfx::logitmfx(formula = ins ~ retire + age + hstatusg + hhincome +
educyear + married + hisp, data = Data)
Marginal Effects:
dF/dx Std. Err. z P>|z|
retire1 0.04572549 0.01939558 2.3575 0.0183974 *
age -0.00341286 0.00263888 -1.2933 0.1959072
hstatusg1 0.07166126 0.02056944 3.4839 0.0004942 ***
hhincome 0.00053865 0.00017849 3.0179 0.0025456 **
educyear 0.02671792 0.00330249 8.0902 5.955e-16 ***
married 0.12956012 0.01974445 6.5618 5.314e-11 ***
hisp -0.16770282 0.03417763 -4.9068 9.257e-07 ***
---
Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
dF/dx is for discrete change for the following variables:
[1] "retire1" "hstatusg1" "married" "hisp" mfx::probitmfx(ins~retire + age+ hstatusg+ hhincome+ educyear+ married+ hisp, data = Data)Call:
mfx::probitmfx(formula = ins ~ retire + age + hstatusg + hhincome +
educyear + married + hisp, data = Data)
Marginal Effects:
dF/dx Std. Err. z P>|z|
retire1 0.04460886 0.01923347 2.3193 0.020377 *
age -0.00336099 0.00260051 -1.2924 0.196206
hstatusg1 0.07380110 0.02033914 3.6285 0.000285 ***
hhincome 0.00046711 0.00016576 2.8180 0.004833 **
educyear 0.02680980 0.00320948 8.3533 < 2.2e-16 ***
married 0.13255492 0.01959506 6.7647 1.336e-11 ***
hisp -0.16351772 0.03351731 -4.8786 1.068e-06 ***
---
Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
dF/dx is for discrete change for the following variables:
[1] "retire1" "hstatusg1" "married" "hisp" Classification
Xem xét khả năng dự báo của mô hình 1- Xác định xác suất theo từng quan sát từ mô hình
# Run the model on the test set
test.probs <-predict(logit, Data, type='response')2- Tạo biến dự báo (đặt giá trị 0)
Data$pred.logit <- rep(0,length(test.probs))3- Chọn mức xác suất để xác định dự báo sang 1, mặc định là 0.5. Tùy theo lĩnh vực và hiểu biết trong lĩnh vực đó có thể điều chỉnh cho phù hợp.
Data$pred.logit[test.probs>=0.5] <- 1 # hễ xác suất của quan sát là 0.5 trở lên thì biến dự báo thành 1.5- So sánh với giá trị thực: so sánh giữa biến mục tiêu ins và biến dự báo pred.logit
Data%>%
select(ins, pred.logit) %>%
table() %>%
prop.table()* 100 pred.logit
ins 0 1
0 51.653150 9.638178
1 27.885215 10.8234565- Dùng lệnh test chi tiết Chuyển dữ liệu của các biến sang dạng factor (hiện ở dạng numeric 0,1)
Data %>%
mutate(ins=as.factor(ins),
pred.logit=as.factor(pred.logit))-> DataDùng lệnh để kiểm tra
caret::confusionMatrix(Data$ins, Data$pred.logit)Confusion Matrix and Statistics
Reference
Prediction 0 1
0 1656 309
1 894 347
Accuracy : 0.6248
95% CI : (0.6077, 0.6416)
No Information Rate : 0.7954
P-Value [Acc > NIR] : 1
Kappa : 0.134
Mcnemar's Test P-Value : <2e-16
Sensitivity : 0.6494
Specificity : 0.5290
Pos Pred Value : 0.8427
Neg Pred Value : 0.2796
Prevalence : 0.7954
Detection Rate : 0.5165
Detection Prevalence : 0.6129
Balanced Accuracy : 0.5892
'Positive' Class : 0
Advance
Trên thực tế cần điều chỉnh cách làm để mô hình tốt hơn bằng cách tách dữ liệu ban đầu thành 2 nhóm, 1 nhóm dùng để xác định các mô hình tiềm năng, phù hợp (training models), phần dữ liệu còn lại dùng để kiểm tra thực chứng mô hình với các phần dữ liệu chưa có trong mô hình (testing).
Thông thường ngta thường chia thành 80% dữ liệu để training, 20% dữ liệu để testing. Nếu thực hiện, thực hiện chia tách dữ liệu ban đầu như sau
set.seed(123) # thiết lập để kết quả có thể lặp lại/ kiểm tra lại sau mỗi lần thực hiện
Dat.train <- caret::createDataPartition(Data$ins, p = 0.8, list = FALSE) # cắt dữ liệu thành 80%train_data <- Data[Dat.train, ] # Mẫu 80%
test_data <- Data[-Dat.train, ] # Mẫu 20%Các bước tiếp theo thực hiện tương tự.