Régression logistique nominalePour mon mémoire de maîtrise sur l'apnée du sommeil, j'aimerais créer un modèle. Dans un premier temps, je souhaite utiliser des régressions logistiques nominales pour voir quels paramètres sont significatifs. Cependant, lors de l’exécution de ces régressions, je trouve difficile d’interpréter les résultats. Y a-t-il quelqu'un qui peut m'aider ?
Les images ci-dessous contiennent le résultat de
1) Modèle d'ajustement logistique nominal d'une variable catégorielle (connaissance CPAP : oui/non) et d'une variable continue (IMC)
2) Modèle Nominal Logistic Fir d'une variable catégorielle (connaissance MMA : oui/non) et d'une 2ème variable catégorielle (ESS à 4 niveaux)
Enfin, les estimations paramétriques de certains résultats sont marquées « instables ». Qu'est-ce que cela signifie?
Merci d'avance!
Exploration et visualisation des donnéesIngénierie Qualité et ProcédésPartager et communiquer les résultatsObjet : Régression logistique nominale@PV1
La documentation JMP est un excellent endroit où aller pour obtenir une compréhension de base de ces rapports. Voici le lien vers le Rapport d'ajustement logistique
Un moyen rapide d'accéder à la documentation est d'utiliser le "?" dans le menu Outils. C'est l'un de mes outils préférés quand j'apprends quelque chose de nouveau.
Lorsque votre curseur se transforme en ?, survolez n'importe quelle fenêtre de rapport (elle deviendra bleue). Cliquez sur le rapport et une nouvelle fenêtre de navigateur s'ouvrira, vous amenant à la documentation qui décrit ce rapport.
Objet : Régression logistique nominaleÊtes-vous familiarisé avec la régression logistique ? Qu'est-ce qui vous est difficile à interpréter dans les rapports ?
En ce qui concerne l'indication d'estimations instables, pouvez-vous partager la sortie pour un tel cas ?
Objet : Régression logistique nominalePour être honnête, pas très familier. J'ai déjà essayé de comprendre un certain nombre de choses, mais je ne comprends tout simplement pas comment interpréter les résultats.
Par exemple, dans l'exemple avec les 2 variables catégorielles, les catégories inférieures à la normale et normales sont significatives, mais qu'est-ce que cela signifie exactement ? Que les connaissances autour de CPAP sont différentes entre ces groupes ? Ou au sein des groupes eux-mêmes ? Je ne sais pas trop comment interpréter ces résultats.
Pour l'autre exemple, j'ai le même problème. Le résultat est significatif. Le niveau cible est défini sur "Non", cela signifie que ces personnes n'ont aucune connaissance de la CPAP. Qu'est-ce que cela dit sur la relation entre ces 2 paramètres?
Concernant les "résultats instables", j'ai ajouté une sortie.
Merci d'avance!
Objet : Régression logistique nominaleSaviez-vous qu'avec la régression logistique nominale, vous modélisez le log (rapport de cotes) = le modèle linéaire ? L'odds ratio est le rapport entre la probabilité de Connaissance CPAP = oui et la probabilité de Connaissance CPAP = non. Les chances sont, à leur tour, le rapport des probabilités pour les deux résultats. Les coefficients peuvent donc ne pas être directement interprétables. Vous pouvez enregistrer les formules de prédiction et voir un ensemble de nouvelles colonnes de données avec des formules. Les premières formules sont le prédicteur linéaire. Les deuxièmes formules sont le logarithme inverse (odds ratio), ou probabilités. Le profileur de prédiction sur les probabilités pourrait être le moyen le plus simple d'interpréter le modèle.
Y a-t-il une raison pour laquelle vous n'avez pas utilisé tous les prédicteurs simultanément dans votre modèle ?
Pouvez-vous montrer un graphique de la distribution de Knowledge CPAP et PSS10 CAT ? Il peut être utile de démarrer Fit Y by X avec Knowledge CPAP dans le rôle Y et PSS10 CAT dans le rôle X. Vous devriez lancer la plate-forme Contingency de cette façon. Voyons quel est le nombre de cellules dans le tableau de contingence.
