Základní informace

Při studiu předchozích výukových jednotek vás již jistě napadlo, že výsledek (závisle proměnná) nemusí být vždy spojitý. Proměnné, které nás zajímají jak v běžném životě (stihnu vlak? udělám úspěšně zkoušku?) tak v přírodních vědách (je organismus napadený parazitem? uzdraví se pacient?) mohou často nabývat jen jedné ze dvou hodnot: ano nebo ne. Nástroj, který by byl schopen předpovědět ze známých prediktorů binární výsledek, by tak byl velice užitečný.

Tímto nástrojem může být logistická regrese. V této výukové jednotce si vysvětlíme, co je logistická regrese a jak principy, které znáte z předchozích výukových jednotek, uplatníme při práci s ní.

Logistická regrese je příkladem zobecněného lineárního modelu. Na úvod této výukové jednotky si tedy připomeneme předpoklady obyčejných lineárních modelů a vysvětlíme, v čem přesně mohou zobecněné lineární modely pomoci. V závěru této výukové jednotky si pak ukážeme ještě jeden příklad zobecněného lineárního modelu: Poissonovu regresi. Ta nám umožní modelovat výsledek, který nabývá nezáporných celých hodnot – typicky se tak modelují počty (pacientů, buněk apod.).

U studentů se předpokládá znalost předchozích výukových jednotek, tedy zejména znalost definice a praktické práce s vícenásobným lineárním regresním modelem.