Logistiese regressie-analise word gebruik om die assosiasie van (kategoriese of kontinue) onafhanklike veranderlike(s) met een digotome afhanklike veranderlike te ondersoek. Dit is in teenstelling met lineêre regressie-analise waarin die afhanklike veranderlike 'n kontinue veranderlike is.
Hoe interpreteer jy 'n logistiese regressie-analise?
Interpreteer die sleutelresultate vir Binêre Logistiese Regressie
- Stap 1: Bepaal of die assosiasie tussen die respons en die term statisties beduidend is.
- Stap 2: Verstaan die uitwerking van die voorspellers.
- Stap 3: Bepaal hoe goed die model by jou data pas.
- Stap 4: Bepaal of die model nie by die data pas nie.
Wanneer sal jy logistiese regressievoorbeeld gebruik?
Logistiese regressie word toegepas om die kategoriese afhanklike veranderlike te voorspel. Met ander woorde, dit word gebruik wanneer die voorspelling kategories is, byvoorbeeld, ja of nee, waar of onwaar, 0 of 1. Die voorspelde waarskynlikheid of uitset van logistiese regressie kan een van hulle, en daar is geen middeweg nie.
Hoe word logistiese regressie bereken?
So 'n logistieke model word 'n log-odds-model genoem. Daarom word logistiese regressie in statistieke soms die logistieke model of logit-model genoem. … Die kansverhouding (aangedui OF) word eenvoudig bereken deur die kans om 'n saak te wees vir een groep gedeel deur die kans om 'n saak te weesvir 'n ander groep.
Wat rapporteer jy in logistiese regressie?
Die klassieke rapportering van logistiese regressie sluit kansverhouding en 95% vertrouensintervalle in, sowel as AUC vir die evaluering van die meerveranderlike model.
