Treść książki
Przejdź do opcji czytnikaPrzejdź do nawigacjiPrzejdź do informacjiPrzejdź do stopki
32
EwaFrątcząk
•
exp
(
β
1X
(
j-X
h
)
)
jestwzrostemilorazuszans
12
,kiedyXwzrastao
X
j-X
h
jednostek.
2.DlazmiennejXmającejwartośćdychotomicznąexp(
β
1)jestwzrostemszans
nato,żeY=1,kiedyX=1wstosunkudotego,kiedyX=0.
Rysunek1040Interpretacjagraficznawynikówestymacjiwmodeluregresji
logistycznej-jednostkowazmianawX
2
logit(p)
x
1
x
2
β
2-zmianawlogicie
p
x
1
x
2
100(exp(β
2)-1)-zmianawodds
Źródło:opracowaniewłasnenapodstawiedokumentacjiSASInstitute,PredictiveModelingUsingLogistic
RegressionCourseNotes(2015).
1060Modeluporządkowanyimodelopostaciwielomianu
106010Regresjalogistyczna-modeluporządkowany13
WmodeluregresjibinarnejzmiennazależnaYprzyjmowaładwiewartości,
tj.0lub1.Rozważmyterazmodel,wktórymregresjalogistycznazostajezastoso-
wanawsytuacji,gdyYprzedstawiawielopoziomoweodpowiedzi,wswejnaturze
porządkowe.Tenrodzajmodelu,któryprezentujeskumulowanelogity,jestokreś-
lanymianemmodeluproporcjonalnychszans.Wtakimmodeluzmiennazależna
Ymożeprzyjmowaćkpotencjalnychwartości,któresąułożonenaskaliporząd-
kowej.Rozważmynastępującyprzykład:grupierespondentówuczestniczących
12
Warunkoweszansewpewnychpodgrupachmożnaporównać,badającwtensposóbwpływ
przynależnościdojednejztychgrupnazajściezjawiska.Porównanietoodbywasięzapomocąilo-
razuszans(relativeodds,oddsratio-OR).
13
Inaczej,modelproporcjonalnychszans(odds).Wliteraturzeanglosaskiejtentypmodelunosi
nazwy:OrdinalLogisticRegression,TeProportionalOddsModellubCumulativeLogitModel.
