如何解决在这种情况下，二项式检验或逻辑回归是最好的假设检验吗？
我的任务是设计一个工作框架，以确定投资组合的子细分市场是否有延迟还款百分比。
为简单起见，让我们假设数据如下所示 - 两个级别（1-是和 0-否）的分类数据：
| 拉斯维加斯 | 逾期付款 |
|---|---|
| 1 | 0 |
| 1 | 1 |
| 0 | 1 |
| 0 | 0 |
| 1 | 1 |
| ...等 | ...等 |
因此假设延迟还款的拉斯维加斯百分比高于投资组合，我想评估它是否显着如此。
我的第一个想法是对 las vegas 的人进行二项式检验，以对照人口 % 延迟的预期结果。然而，由于拉斯维加斯的人是更广泛人群的一部分，这可能会违反独立假设吗？即人口影响预期结果。
或者，考虑使用逻辑回归：
glm(`Late Bill Payment` ~ `Las Vegas`,data = mydata,family = "binomial")
查看梯度系数 p 值以确定假设检验的结果。
这两种方法是否正确？或者两者都错了？如果是这样，为什么？还有更好的选择吗？ 谢谢！！
版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 dio@foxmail.com 举报，一经查实，本站将立刻删除。
