"Binary Logistic Regression" /nie znam dokładnej polskiej nazwy/
robię to używając SPSSa - generuje m.in. parametry pozwalające
obliczyć prawdopodobienstwo przynależności do jednej z dwu grup
badanych (np. tych którzy zmarli i tych którzy przezyli).
Na podstawie zmierzonych jeszcze za życia zmiennych
Przykladowo:
b
Zmienna1 1,166
Zmienna2 -2,111
stala 1,32

prawdopodobienstwo przynaleznosci do grupy zmarlych
liczymy ze wzoru

e^(1,166*Zmienna1+(-2,111)*Zmienn2+1,32)
P=-------------------------------------------
1+e^(1,166*Zmienna1+(-2,111)*Zmienn2+1,32)


Wszystko jest dobrze dopóki zmienne są mierzalne
niemniej program pozwala sobie radzić ze zmiennymi
kategorialnymi (przyjmującymi np. wartość 0 i 1
gdzie 0 mężczyzna 1 kobieta)

Program SPSS wylicza prawdopodobieństwo i można je zapisać
w postaci nowej zmiennej - więc wartości te (czyli "P")
są mi znane.
Chciałbym mieć jednak możliwość przewidywania
prawdopodobieństwa zgonu dla nowych pacjentów.

I tu zaczynają się schody.
Dopóki zmienne które analizuję są mierzalnymi
wartościami np. na skali interwałowej wyniki
powyższego wzoru nie odbiegają od wyliczonych
przez program. Mogę sobie liczyć to np
excellem wg powyższego wzoru i wszystko wychodzi.
Ma to znaczenie dla wnioskowania o zagrożeniu zgonem.

Gdy jednak dołączam do równania regresji
zmienne zerojedynkowe (na skali nominalnej)
pojawia się znacząca niedokładność "ręcznych"
wyliczeń i wyliczeń zapisanych przez program.

Wnioskuję więc, że powyższy wzór nie ma już zastosowania.
Jak go zmodyfikować aby wychodziło?

W jaki sposób wykorzystuje się obliczone
parametry (mam na byśli owe "b") dla zmiennych kategorialnych
które
podaje program na zakończenie analizy regresji
do przewidywania prawdopodobieństwa faktu, że
zmienna zależna przyjmie określoną wartość?

Jeśli ktoś liczył regresję logistyczną SPSS-em
proszę o pomoc.


pozdrawiam
vonBraun

--
Wysłano z serwisu OnetNiusy: http://niusy.onet.pl