Der Prozess der Erstellung eines geeigneten Modells aus einem Anpassungsmodell mit mehreren unabhängigen Variablen und einer dichotomen abhängigen Variablen und der Berechnung der AUC, beispielsweise der ROC-Kurve, kann durch einfache logistische oder einfache Regressionsmodelle verstanden werden.
Die Bestimmung eines geeigneten diagnostischen Grenzwerts anhand von Sensitivitäts- und Spezifitätswerten ist jedoch nur eine konzeptionelle Sache und kann sie tatsächlich auf den Wert einer einzelnen Variablen angewendet werden? Auch wenn diese Variable die einzig signifikante unter mehreren unabhängigen Variablen ist.
Das Bild des Prädiktor-Profilers versucht wahrscheinlich, dies umzusetzen, aber es bedeutet, dass die beste Vorhersage des Modells dann erfolgt, wenn der Wert jeder Variablen im Standardzustand angezeigt wird, oder?
Bitte stellen Sie auch einige audiovisuelle Materialien vor, die sich speziell mit diesem Thema befassen.
Es dauert zu lange, es zu suchen und zu finden.
Im Allgemeinen wird der Grenzwert mithilfe der logistischen Regression anhand der ROC-Kurve (Sensitivität, Spezifität) bestimmt. Mit anderen Worten: Es wird der Schnittpunkt ausgewählt, der den 1-Spezifitätswert maximiert. Die Methode ist die gleiche wie bei der Verwendung des Youden-Index. Beispiele für die Verwendung von JMP finden Sie unter dem folgenden Link. Der Link unten stammt von der japanischen JMP-Website. Wenn Sie die Website mit Google Chrome übersetzen, werden Sie keine großen Probleme haben, die Bedeutung zu verstehen.
https://www.jmp.com/ja_jp/medical-statistics/column/non-series/roc-curve.html
Außerdem wollten Sie passendes Videomaterial. Wenn Sie sich das einfache Video unten ansehen, können Sie sehen, wie JMP grundsätzlich den Grenzwert festlegt und was Sie tun müssen, um einen anderen Grenzwert als den Standardwert festzulegen.
Unterschiedlicher Schnittpunkt für die Konfusionsmatrix in der logistischen Regression
War das hilfreich?
Danke
