Logistische regressieanalyse wordt gebruikt om de associatie van (categorische of continue) onafhankelijke variabele(n) met één dichotome afhankelijke variabele te onderzoeken. Dit in tegenstelling tot lineaire regressieanalyse waarbij de afhankelijke variabele een continue variabele is.
Hoe interpreteer je een logistische regressieanalyse?
Interpreteer de belangrijkste resultaten voor binaire logistische regressie
- Stap 1: Bepaal of het verband tussen het antwoord en de term statistisch significant is.
- Stap 2: Begrijp de effecten van de voorspellers.
- Stap 3: Bepaal hoe goed het model bij uw gegevens past.
- Stap 4: Bepaal of het model niet bij de gegevens past.
Wanneer zou u een voorbeeld van logistische regressie gebruiken?
Logistische regressie wordt toegepast om de categorisch afhankelijke variabele te voorspellen. Met andere woorden, het wordt gebruikt wanneer de voorspelling categorisch is, bijvoorbeeld ja of nee, waar of onwaar, 0 of 1. De voorspelde waarschijnlijkheid of uitvoer van logistische regressie kan een van zijn hen, en er is geen middenweg.
Hoe wordt logistische regressie berekend?
Zo'n logistiek model wordt een log-odds-model genoemd. Daarom wordt logistieke regressie in de statistiek soms het logistieke model of logitmodel genoemd. … De odds ratio (aangeduid met OR) wordt eenvoudig berekend door de kans om een zaak te zijn voor één groep gedeeld door de kans om een zaak te zijnvoor een andere groep.
Wat rapporteer je in logistische regressie?
De klassieke rapportage van logistische regressie omvat odds ratio en 95% betrouwbaarheidsintervallen, evenals AUC voor het evalueren van het multivariate model.
