Presentation is loading. Please wait.

Presentation is loading. Please wait.

ביצוע רגרסיה לוגיסטית. פרק ה-2

Published bySheryl Ferguson Modified over 6 years ago

Similar presentations

Presentation on theme: "ביצוע רגרסיה לוגיסטית. פרק ה-2"— Presentation transcript:

1 ביצוע רגרסיה לוגיסטית. פרק ה-2
נעזר בחומר משקפים של ד"ר נויה גלאי וד"ר ניצה ברקן מודלים סטטיסטים ב' ארתור צ'ירגייב, יוני נצרתי

2 מבחני מובהקות לפרמטרים במודל רגרסיה לוגיסטית
יש שלשה סוגי מבחנים אפשריים לבדיקת השערות לגבי הפרמטרים במודל רגרסיה לוגיסטית: מבחני Wald מבחני יחס הנראות Likelihood Ratio Tests מבחני Score מודלים סטטיסטים ב' ארתור צ'ירגייב, יוני נצרתי

3 מודלים סטטיסטים ב' ארתור צ'ירגייב, יוני נצרתי
מבחני Wald כדי לבחון השערה מהסוג: נשתמש במבחן Wald המתבסס על ההתפלגות הנורמלית האסימפטוטית של האומדים כאשר נחליף את טעות התקן של באומד שלה מתוך המודל. מודלים סטטיסטים ב' ארתור צ'ירגייב, יוני נצרתי

4 מודלים סטטיסטים ב' ארתור צ'ירגייב, יוני נצרתי
מבחני LRT מבחן יחס הניראות מאפשר בדיקת השערות כוללות יותר לגבי מובהקות קבוצת פרמטרים במודל, למשל לבחון השערה מהסוג: סטטיסטי המבחן הוא: כאשר המונה הוא הערך של פ' הנראות תחת השערת האפס והמכנה הוא הערך של הנראות בנקודות של אומדני הנראות המכסימלית של הנתונים. תחת הסטטיסטי מתפלג בקרוב כי-בריבוע עם דרגות חופש כמספר הפרמטרים הנאמדים בהשערה. מודלים סטטיסטים ב' ארתור צ'ירגייב, יוני נצרתי

5 מודלים סטטיסטים ב' ארתור צ'ירגייב, יוני נצרתי
מבחני Score אם אומד הנראות המכסימלית של שווה לערך המשוער לפי אזי גם יתקיים סטטיסטי המבחן מודד עד כמה רחוק הערך המחושב של פונ' ה-score מ-0: מודלים סטטיסטים ב' ארתור צ'ירגייב, יוני נצרתי

6 מודלים סטטיסטים ב' ארתור צ'ירגייב, יוני נצרתי
מבחני השערות דוגמא: הקובץ heart_attack Analysis ← regression ← logistic dependent=attack, מימין לשנות את ה-response variable ל-1 ← להעביר לquantitative variables- את anxiety ← finish מודלים סטטיסטים ב' ארתור צ'ירגייב, יוני נצרתי

7 פלט SAS מודלים סטטיסטים ב' ארתור צ'ירגייב, יוני נצרתי
Model Information Data Set ECLIB000.HEART_ATTACK Response Variable attack Number of Response Levels 2 Number of Observations 20 Model binary logit Optimization Technique Fisher's scoring Model Fit Statistics Criterion Intercept Only Intercept and Covariates AIC 29.726 23.601 SC 30.722 25.592 -2 Log L 27.726 19.601 Response Profile Ordered Value attack Total Frequency 1 10 2 Testing Global Null Hypothesis: BETA=0 Test Chi-Square DF Pr > ChiSq Likelihood Ratio 8.1254 1 0.0044 Score 7.0172 0.0081 Wald 5.0791 0.0242 מודלים סטטיסטים ב' ארתור צ'ירגייב, יוני נצרתי

8 מודלים סטטיסטים ב' ארתור צ'ירגייב, יוני נצרתי
מבחני השערות דוגמא: הקובץ heart_attack Analysis ← regression ← logistic dependent=attack, מימין לשנות את ה-response variable ל-1 ← להעביר לquantitative variables- את treat ואת anxiety ← finish מודלים סטטיסטים ב' ארתור צ'ירגייב, יוני נצרתי

9 פלט SAS מודלים סטטיסטים ב' ארתור צ'ירגייב, יוני נצרתי
Model Information Data Set ECLIB000.HEART_ATTACK Response Variable attack Number of Response Levels 2 Number of Observations 20 Model binary logit Optimization Technique Fisher's scoring Model Fit Statistics Criterion Intercept Only Intercept and Covariates AIC 29.726 24.820 SC 30.722 27.808 -2 Log L 27.726 18.820 Response Profile Ordered Value attack Total Frequency 1 10 2 Testing Global Null Hypothesis: BETA=0 Test Chi-Square DF Pr > ChiSq Likelihood Ratio 8.9055 2 0.0116 Score 7.5849 0.0225 Wald 5.3847 0.0677 מודלים סטטיסטים ב' ארתור צ'ירגייב, יוני נצרתי

Download ppt "ביצוע רגרסיה לוגיסטית. פרק ה-2"

Similar presentations

Two-sample tests. Binary or categorical outcomes (proportions) Outcome Variable Are the observations correlated?Alternative to the chi- square test if.

Two-sample tests. Binary or categorical outcomes (proportions) Outcome Variable Are the observations correlated?Alternative to the chi- square test if.
Brief introduction on Logistic Regression

Brief introduction on Logistic Regression
The %LRpowerCorr10 SAS Macro Power Estimation for Logistic Regression Models with Several Predictors of Interest in the Presence of Covariates D. Keith.

The %LRpowerCorr10 SAS Macro Power Estimation for Logistic Regression Models with Several Predictors of Interest in the Presence of Covariates D. Keith.
A Model to Evaluate Recreational Management Measures Objective I – Stock Assessment Analysis Create a model to distribute estimated landings (A + B1 fish)

A Model to Evaluate Recreational Management Measures Objective I – Stock Assessment Analysis Create a model to distribute estimated landings (A + B1 fish)
Logistic Regression I Outline Introduction to maximum likelihood estimation (MLE) Introduction to Generalized Linear Models The simplest logistic regression.

Logistic Regression I Outline Introduction to maximum likelihood estimation (MLE) Introduction to Generalized Linear Models The simplest logistic regression.
Lecture 16: Logistic Regression: Goodness of Fit Information Criteria ROC analysis BMTRY 701 Biostatistical Methods II.

Lecture 16: Logistic Regression: Goodness of Fit Information Criteria ROC analysis BMTRY 701 Biostatistical Methods II.
Sensitivity, Specificity and ROC Curve Analysis.

Sensitivity, Specificity and ROC Curve Analysis.
Overview of Logistics Regression and its SAS implementation

Overview of Logistics Regression and its SAS implementation
Generalized Linear Mixed Model English Premier League Soccer – 2003/2004 Season.

Generalized Linear Mixed Model English Premier League Soccer – 2003/2004 Season.
April 25 Exam April 27 (bring calculator with exp) Cox-Regression

April 25 Exam April 27 (bring calculator with exp) Cox-Regression
Log-Linear Models & Dependent Samples Feng Ye, Xiao Guo, Jing Wang.

Log-Linear Models & Dependent Samples Feng Ye, Xiao Guo, Jing Wang.
Linear statistical models 2009 Models for continuous, binary and binomial responses  Simple linear models regarded as special cases of GLMs  Simple linear.

Linear statistical models 2009 Models for continuous, binary and binomial responses  Simple linear models regarded as special cases of GLMs  Simple linear.
Chi Square Test Dealing with categorical dependant variable.

Chi Square Test Dealing with categorical dependant variable.
Chapter 11 Survival Analysis Part 2. 2 Survival Analysis and Regression Combine lots of information Combine lots of information Look at several variables.

Chapter 11 Survival Analysis Part 2. 2 Survival Analysis and Regression Combine lots of information Combine lots of information Look at several variables.
EPI 809/Spring 20081 Multiple Logistic Regression.

EPI 809/Spring Multiple Logistic Regression.
Logistic Regression Biostatistics 510 March 15, 2007 Vanessa Perez.

Logistic Regression Biostatistics 510 March 15, 2007 Vanessa Perez.
Notes on Logistic Regression STAT 4330/8330. Introduction Previously, you learned about odds ratios (OR’s). We now transition and begin discussion of.

Notes on Logistic Regression STAT 4330/8330. Introduction Previously, you learned about odds ratios (OR’s). We now transition and begin discussion of.
WLS for Categorical Data

WLS for Categorical Data
Linear statistical models 2009 Count data  Contingency tables and log-linear models  Poisson regression.

Linear statistical models 2009 Count data  Contingency tables and log-linear models  Poisson regression.
Logistic Regression with “Grouped” Data Lobster Survival by Size in a Tethering Experiment Source: E.B. Wilkinson, J.H. Grabowski, G.D. Sherwood, P.O.

Logistic Regression with “Grouped” Data Lobster Survival by Size in a Tethering Experiment Source: E.B. Wilkinson, J.H. Grabowski, G.D. Sherwood, P.O.

Similar presentations

Ads by Google