Logistische Regression Flashcards

1
Q

Wozu dient eine Logistische Regression

A

dient dazu eine dichotome abhängige Variable Y (mit den Ausprägungen 0 und 1) durch eine metrische unabhängige Variable X vorherzusagen.
Doch anstatt die abhängige Variable direkt vorherzusagen, wird die Wahrscheinlichkeit für eine der beiden Kategorien vorhergesagt.
𝑃(𝑌=1/𝑋=𝑥) =1−𝑃(𝑌=0/𝑋=𝑥)

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
2
Q

Die WSK (1Darstellung) liegen auf einer

A

Exponentialfunktion &nicht auf einer Linie (vorhergesagten Werte zwishcen 0&1)

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
3
Q

Der Parameter e𝛽0/1+eb0 ist die

A

bedingte Wahrscheinlichkeit 𝑃 (𝑌 = 1 /𝑋 = 0)

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
4
Q

Je größer 𝛽0 , desto

A

größer ist die Wahrscheinlichkeit.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
5
Q

Parameter 𝛽1 beschreibt

A

die Steigung der Wahrscheinlichkeitsfunktion.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
6
Q

(1darstellungsform)Größere Werte stehen für

A

eine stärkere Steigung am Punkt 0 des Prädiktors

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
7
Q

Darstellung in Form der bedingten Wettquotienten

A

Basis von Wettquotienten
Die vorhergesagten Werte liegen zwischen 0 und +∞.
Die Wahrscheinlichkeitswerte (als Odds) liegen auf einer Exponentialfunktion und steigen immer weiter an.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
8
Q

Bedeutung der Parameter: 𝒆𝜷𝟎

Darstellung mit Wettquotienten sind die Parameter anders zu interpretieren.

A

Der Parameter 𝑒𝛽0 entspricht der Wettquotienten an der Stelle 𝑋 = 0.
Ein Wettquotient von 1 bedeutet, dass beide Kategorien der AV gleich wahrscheinlich sind.
Ein Wettquotient über 1 bedeutet, dass die Kategorie 1 wahrscheinlicher ist als die Kategorie 0.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
9
Q

Bedeutung der Parameter: 𝒆𝜷𝟏 (Wettquotienten)

A

Der Parameter 𝑒𝛽1 gibt die Veränderung des Wettquotienten an, wenn die unabhängige Variable um eine Einheit erhöht wird.
Der Parameter 𝑒𝛽1 ist also ein Wettquotientenverhältnis (Odds-Ratio).

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
10
Q

In der logistischen Regression erfolgt dieÜberprüfung der

Regressionskoeffizienten durch

A

den Wald-Test.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
11
Q

Wie ist die Prüfgröße Die Wald Statistik verteilt

A

asymptotisch chi quadrat verteilt

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
12
Q

Darstellung in Form des Logit

A
logarithmierten Wettquotienten.
Die Wahrscheinlichkeitswerte (als Logit) liegen auf einer Graden und steigen immer weiter an.
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
13
Q

Eigenschaften der Darstellung mit Logit

A

Der Logit selbst ist als logarithmierter Wettquotient nicht intuitiv verständlich. Der Vorteil ist allerdings, dass die Funktion zur Beschreibung des Logit eine Grade wie in der normalen Regression ist.
Die Regressionskoeffizienten 𝑏0 und 𝑏1 zeigen also den Achsenabschnitt und die Steigung zur Beschreibung des Logit an

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
14
Q

KI Logistische Regression

A

Wenn der Test sig. ist dann ist die 1 nicht im Intervall

How well did you know this?
1
Not at all
2
3
4
5
Perfectly