Regressione Logistica Flashcards

1
Q

Cosa analizza la regressione logistica? Quale funzione utilizza? Intervallo valori, forma…

A

Analizza la relazione tra una variabile risposta dipendente binaria (es Obeso/Non Obeso) e una o più variabili esplicative continue o discrete.

Utilizza la funzione logistica per stimare la probabilità della variabile risposta.
Assume valori tra 0 e 1 ed ha una forma ad S.

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

Regressione lineare come trovo la retta, come confronto i modelli.

Se Y binaria che succede se uso regressione lineare?

Regressione logistica che metodo usa?

A

Nella regressione lineare cerco la retta che minimizza la somma dei quadrati dei residui.
Confronto i modelli guardando R^2.

Se Y è binaria non posso usare una retta.
Y assume valori tra 0 e 1, con la retta si andrebbe da -inf a + inf.
La regressione lineare non si adatta bene a questi dati binari.

La regressione logistica utilizza il concetto di massima verosimiglianza.

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

La funzione logit cosa permette di fare? Che forma matematica ha? Come si comporta al variare di p?

A

Attraverso la funzione logit possiamo trasformare un evento binario con probabilità (0~1) in un valore continuo.

Ha la seguente forma matematica:
g(p) = ln (p/ 1-p)= ln(odds).
- con p=0,5 g(p) è 0.
- con p->0 g(p) tende a meno infinito.
- con p->1 g(p) tende a più infinito.

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

Come stimo i parametri nella regressione lineare?

Come stimo i parametri nella regressione logistica?
Quale è la f di verosimiglianza.

A

Nella reg lineare cercavo i valori dei parametri che minimizzavano la sommatoria dei quadrati dei residui.

Nella reg logistica cerco i valori dei parametri B che massimizzano la funzione di verosimiglianza:
produttoria per i che va da 1 a n di…
… (ni yi) * pi^yi * (1-pi)^(ni-yi).

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

Come collego i parametri stimati a ln(odds), odds e alle probabilità?

A

g(p)= ln(odds)= g stimata

odds= e^(g stimata)

p= e^(g stimata) / 1+e^(g stimata)

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

Interpretazione dei coefficienti nella funzione logit e negli odds.

A

Quando xi aumenta di 1, ln(odds) aumenta di Bi.

Quando xi aumenta di 1, odds si moltiplicano di un fattore e^(Bi).

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

Cosa indica il “Number of fisher scoring iterations”

A

Il numero di volte che l’algoritmo ha cercato di migliorare la stima dei parametri del modello per ottenere il miglior adattamento ai dati.

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

Cosa posso utilizzare per confrontare i modelli logistici semplici e quelli più complessi?
Quale distribuzione utilizzo e con quale scopo?
Cosa succede se p<alfa?

A

Posso utilizzare il test del rapporto di verosimiglianza x confrontare i modelli più semplici con modelli annidati.

Attraverso la distribuzione chi quadrato verifico se la differenza della devianza dei modelli è significativa.

Se p<alfa allora la devianza del modello completo è significativamente minore di quella del modello semplice.

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