Différence entre la régression logistique multinomiale et les modèles à effets mixtes

Question

Je me demande quelle est la différence entre la régression multinomiale et les modèles à effets mixtes. Quand dois-je appliquer lequel des deux algorithmes?

Tout pointeur vers la littérature où les deux sont discutés serait également très apprécié.

Answer 1

Ce sont des notions complètement différentes et pourraient même être combinées.

La régression logistique multinomiale est pour la situation où vous voulez prédire la probabilité de tomber dans plusieurs catégories (3+ catégories seraient une régression logistique multinomiale ... s'il n'y a que deux catégories, c'est une régression logistique régulière).

Les modèles à effets mixtes sont utilisés lorsque vos variables de prédiction incluent à la fois des effets fixes et des effets aléatoires.

Par conséquent, si nous nous trouvons dans une position où nous avons à la fois des effets fixes et aléatoires comme prédicteurs et que nous voulons les utiliser pour prédire la probabilité qu'une photographie soit celle d'un chien, chat ou cheval, nous pourrions utiliser une logistique multinomiale à effets mixtes. régression!