4 - régression logistique 2 Flashcards
dans quel cas utiliser la régression logistique multiple
lorsque y est binaire et est expliqué par plusieurs variables indépendantes (x)
régression logistique multiple dans le cas des essais cliniques
estimer l’effet du tx X1 sur la probabilité Pr(Y=1) en ajustant pour d’autres variables indep
V ou F : les variables indépendantes X peuvent être quantitatives ou qualitatives
V
types de modélisation de la régression logistique multiple
- fct logistique
- fct logit
fct logistique
probabilité de développer l’outcome (Y=1, ex : douleur) en fct de plusieurs variables indep (ex : X1 = tx, X2 = âge, X3 = sexe)
fct logit
relation linéaire liant les variables indep (X) à la variable dép Y)
B0
Probabilité de Y = 1 quand tout X = 0
Ordonnée à l’origine de la fonction logit
v ou f : B0 représente directement le risque de Y = 1
f, c’est l’exponentiel de Bo et non Bo
interprétation de B0 > 0
probabilité d’événement > 0,5
interprétation de B0 < 0
probabilité d’événement < 0,5
B1
Accroissement de logit par unité de Xi, p ajusté pour les autres variables (autres facteurs sont fixes)
vraisemblance
probabilité d’observer des données
test de significativité : hypothèse nulle
Ho : Bk = 0
- pour évaluer la contribution individuelle : H0 est qu’il n’y a pas d’effet
- pour évaluer la présence d’une interaction entre X1 et X2 : H0 est qu’il n’y a pas d’interaction
Test de stat Z
- calculer bk/sk (pour risque alpha de 5%)
si la valeur obtenue > 1,96, on rejette l’hypothèse nulle (bk = 0)
test de wald
- calculer (bk/sk)^2 (pour risque alpha de 5%)
si la valeur obtenue > 3,84, on rejette l’hypothèse nulle (bk = 0)
test de significativité : valeur p
seuil de significativité, si en bas de p (0,05), valeur est significative
test de significativité : test LRT
se fait en comparant le log de vraisemblance de deux modèles
- M1 : B0 + B1X1 (modèle réduit)
- M2 : B0 + B1X1 + B2X2
si le résultat > 3,84 –> on rejette H0
ddl
répresente le nbr de paramètres à estimer
définition d’interaction
l’effet d’une variable explicative sur la variable dépendante dépend du niveau d’une autre variable explicative (effet de X sur Y dépend d’un autre X)
formule OR avec interactions si les deux variables explicatives sont binaires
pour X1 = 1 (tx donné)
> si x2 = 0 : OR = e^B1
> si x2 = 1 : OR = e^B1+B12
formule OR avec interactions si une variable explicative est binaire et l’autre est continue
OR = e^(B1+B12)
formule OR avec interactions si les deux variables explicatives sont continues
OR = e^B12