Slovník | Vyhledávání | Mapa webu
 
Analýza a hodnocení biologických datRegresní modelování Logistický regresní model a jiné zobecněné lineární modely Logistický regresní model Interpretace koeficientů logistického regresního modelu

Logo Matematická biologie

Interpretace koeficientů logistického regresního modelu

Použití funkce logit vede k další příjemné vlastnosti lineární regrese: regresní koeficienty lze po transformaci přirozeným logaritmem interpretovat jako poměry šancí. Představme si dvě pozorování, např. pacienty, kteří mohou trpět pokročilými adenomovými polypy, přednádorovým ale snadno léčitelným onemocněním tlustého střeva. Pomocí logistického modelu bychom chtěli předpovědět pravděpodobnost výskytu této choroby, a tak třeba doporučit preventivní vyšetření pacientům s vysokou pravděpodobností adenomového polypu. V tomto jednoduchém případě modelujme pravděpodobnost pro muže (proměnná ) a ženy (proměnná ):
Subjekt 1 (muž, )
 
Subjekt 2 (žena, )
 
 
Poměr šancí (odds ratio) na výskyt adenomového polypu pro ženu ve srovnání s mužem je tedy:
 
exp(odhad regresního koeficientu) tedy představuje poměr šancí na danou událost v souvislosti s daným prediktorem. Binární prediktor jsme si právě ukázali. V případě spojitého prediktoru platí, že s každou jednotkou roste šance na danou událost násobkem exp(odhad regresního koeficientu). Tedy např. s rostoucím věkem roste šance (a obdobně i pravděpodobnost, riziko) na výskyt adenomového polypu.
 
vytvořil Institut biostatistiky a analýz Masarykovy univerzity | | zpětné odkazy | validní XHTML 1.0 Strict