La regressione logistica è un mezzo statistiche della creazione di una funzione di stima basata su un campione . Questa forma di regressione è più spesso utilizzato dai ricercatori che sospettano che il risultato di una situazione che non è linearmente correlata alle variabili indipendenti dello studio . La regressione logistica è così un’alternativa alla regressione lineare , basato sulla funzione ” logit ” , che è un rapporto tra le probabilità di successo per le probabilità di fallimento. Tuttavia, nonostante la sua mancanza di necessità di ricorso a ipotesi di linearità , regressione logistica ha i suoi presupposti e le caratteristiche che lo rendono svantaggioso in determinate situazioni . Restrizioni sulla variabile dipendente

differenza di regressione lineare , regressione logistica possono essere utilizzati solo per prevedere funzioni discrete . Pertanto , la variabile dipendente della regressione logistica è limitato al numero insieme discreto . Questa restrizione stessa è problematico , in quanto è proibitivo per la predizione di dati continui . Un problema più con questo tratto di regressione logistica è che, poiché la funzione logit stessa è continua , alcuni utenti di regressione logistica possono fraintendere , credendo che la regressione logistica può essere applicato a variabili continue .

Campione di grandi dimensioni

regressione logistica può accettare un gran numero di variabili indipendenti . Mentre questo può sembrare un vantaggio , ci sono molte situazioni in cui non è . Poiché la procedura di stima dei parametri di regressione logistica si basa fortemente su avere un numero sufficiente di campioni per ogni combinazione di variabili indipendenti , campioni di piccole dimensioni può portare a stime molto imprecise di parametri. Pertanto, gli utenti di regressione logistica devono prima assicurarsi che essi possono ottenere un campione di grandi dimensioni prima di decidere di regressione logistica come metodo di analisi .

Assunzione della linearità

Un ricercatore scartando modelli di regressione lineare a favore di modelli di regressione logistica è probabile che facendo così perché l’assunzione di linearità tra la variabile dipendente e le variabili indipendenti è irragionevole . Tuttavia, ciò che molti ricercatori non capiscono è che la regressione logistica ha anche un assunto implicito di linearità in termini della funzione logit rispetto alle variabili indipendenti . Questa ipotesi è abbastanza ragionevole pure.

Solo per tra – Designs Oggetto

regressione logistica può essere applicata solo agli studi utilizzando tra soggetto disegni. Ciò significa che entro i soggetti design ostano metodi di regressione logistica . In molte forme di ricerca , in particolare quelli che utilizzano soggetti umani , entro i soggetti disegni sono da preferire , in quanto possono risparmiare risorse . Così, mentre nel campo della medicina e della psicologia regressione logistica può sembrare adatto , in realtà non può essere sempre una scelta .