analisi di regressione logistica è un tipo di regressione in cui il risultato , o variabile dipendente , è una misura che può avere solo uno dei due risultati – sì o no , verificarsi o non verificarsi . I ricercatori usano la regressione logistica per valutare la probabilità che qualcosa accada . E ‘importante valutare come un modello di regressione si adatta ai dati effettivi in uno studio . Perché una misura statistica non sarà adeguatamente valutare l’ adattamento di un modello logistico , metodi grafici forniscono un’alternativa . Valutare

Fit

Valutare l’adattamento di un modello di regressione è quello di chiedere quanto strettamente i dati effettivi corrispondono le relazioni o le previsioni di cui in un’equazione di regressione . Per la maggior parte equazioni di regressione , R – quadrato fornisce una misura adeguata di adattamento . Tuttavia , poiché la variabile dipendente nella regressione logistica può assumere solo i valori di zero oppure 1 , il suo valore può variare notevolmente per un certo intervallo di una variabile indipendente . Così , R – quadrato può essere una misura affidabile di forma per una equazione logistica .

Metodi grafici

A causa della inaffidabilità di R- quadrato come misura di adattamento per la logistica regressione , alcuni statistici e studiosi propongono l’uso di metodi grafici come alternativa . Ci sono diversi metodi grafici per valutare l’ adattamento di un modello di regressione , ma in generale, come da vicino la linea di regressione – formata da punteggi previsti nel modello – arriva a riassumere i punteggi osservati effettivi determina l’adeguatezza del modello . La migliore è la forma, il più appropriato il modello o l’equazione per lo studio in questione .

Regressione logistica è una procedura specializzata , che richiede l’utilizzo di software statistici quali SPSS , SAS o STATA. Programmi di fogli di calcolo come Excel non sono progettati per la regressione logistica .

Trama residua

Un metodo grafico comune per valutare l’adattamento di un modello di regressione è un complotto dei residui , o la differenza tra i valori osservati e previsti . I residui vengono visualizzati come singoli punti sul grafico , con assi verticali e orizzontali rappresentano i valori delle variabili dipendenti ed indipendenti , rispettivamente. Se i residui appaiono indipendenti predittori o variabili indipendenti , allora un dato modello è sufficiente . Eventuali modelli sistematici nella trama dei residui effettivamente suggerire una dipendenza da variabili indipendenti , il rendering di un modello inadeguato per l’uso.

Grafici dei residui , tuttavia , hanno delle limitazioni in una regressione logistica a causa della natura dicotomica della variabile dipendente . Questo rende il grafico dei residui difficili da interpretare .

Marginale Modello trama

Una alternativa più affidabile per la rappresentazione grafica dei residui è il modello trama marginale , o MMP . La trama rappresenta due curve , con una che rappresenta i valori previsti e l’altro rappresentano i valori osservati effettivi . Come con il grafico dei residui , l’asse verticale rappresenta i valori della variabile dipendente ( 1 o zero regressione logistica ) , mentre l’asse orizzontale rappresenta i valori dei predittori . Se le due curve corrispondono da vicino , allora il modello di regressione logistica in questione è ritenuta adeguata . A differenza di molte forme di regressione , in cui la linea di regressione è retta , la retta di regressione logistica ha una curva .