Mô hình logit đa thức là gì? Các công bố khoa học về Mô hình logit đa thức

Mô hình logit đa thức là một phương pháp hồi quy để xác định mối quan hệ giữa một biến phụ thuộc nhị phân và một hoặc nhiều biến độc lập. Nó rất hữu ích trong các bài toán dự đoán xác suất, ví dụ như dự đoán xác suất thành công hoặc xác suất xảy ra sự kiện nào đó.

Mô hình này dựa trên hàm logit, một hàm biến đổi giữa xác suất (giá trị từ 0 đến 1) và giá trị log-odds (giá trị từ âm vô cùng đến dương vô cùng). Logit của xác suất p được định nghĩa là:

logit(p) = log(p / (1-p))

Trong mô hình logit đa thức, hàm logit này được sử dụng để xác định quan hệ giữa biến phụ thuộc nhị phân và các biến độc lập bằng phương pháp maximum likelihood (MLE). Mô hình logit đa thức cho phép ước lượng các hệ số tương ứng với từng biến độc lập, cho phép chúng ta đánh giá ảnh hưởng của các biến lên xác suất của biến phụ thuộc.
Mô hình logit đa thức (multinomial logit model) là một mô hình hồi quy được sử dụng để xác định mối quan hệ giữa một biến phụ thuộc đa phân loại và một tập hợp các biến độc lập. Nó mở rộng mô hình logit nhị phân cho trường hợp có nhiều hơn hai nhóm của biến phụ thuộc. Điều này rất hữu ích khi ta muốn dự đoán biến phụ thuộc không chỉ cho hai nhóm, mà cho nhiều hơn hai nhóm.

Mô hình logit đa thức sử dụng hàm softmax để tính xác suất của các nhóm trong biến phụ thuộc. Cho một quan sát có biến độc lập X, xác suất của mỗi nhóm j trong biến phụ thuộc được tính bằng cách áp dụng hàm softmax lên một hàm linear score:

P(Y=j|X) = exp(βjX) / sum(exp(βkX))

Trong đó P(Y=j|X) là xác suất của nhóm j trong biến phụ thuộc, βj là hệ số tương ứng với nhóm j, X là vector biến độc lập, và sum() là tổng của tất cả các đầu vào.

Mục tiêu của mô hình logit đa thức là tìm ra các hệ số βj tốt nhất để tối ưu hàm likelihood. Thông thường, phương pháp MLE được sử dụng để ước lượng các hệ số này. Quá trình ước lượng hệ số MLE bao gồm việc tối đa hóa hàm likelihood, tức là tìm cách tìm ra các giá trị của hệ số βj để xác suất thực tế của các nhóm đúng càng cao càng tốt.

Một lưu ý quan trọng khi sử dụng mô hình logit đa thức là sự kết hợp tuyến tính giữa biến độc lập và các hệ số βj. Nó giả định rằng quan hệ giữa biến phụ thuộc và biến độc lập có dạng tuyến tính, và các hệ số βj mô tả mức độ ảnh hưởng của các biến độc lập lên xác suất của từng nhóm.