Métodos gráficos para a Avaliação Modelos de Regressão Logística

análise de regressão logística é um tipo de regressão em que o resultado, ou variável dependente , é uma medida que só pode ter um de dois resultados - sim ou não , a ocorrência ou não ocorrência . Pesquisadores usam regressão logística para avaliar a probabilidade de algo acontecer . É importante avaliar o quão bem um modelo de regressão se ajusta aos dados reais em um estudo . Porque uma medida estatística não avaliar adequadamente o ajuste de um modelo logístico , métodos gráficos fornecem uma alternativa . Avaliando
Fit

A avaliação do ajuste de um modelo de regressão é perguntar quão perto os dados reais correspondem as relações ou previsões especificados em uma equação de regressão. Para a maioria das equações de regressão , R- quadrado fornece uma medida adequada de ajuste. No entanto, porque a variável dependente na regressão logística pode assumir apenas os valores de zero ou um , o seu valor pode ser muito diferente , por algum intervalo de uma variável independente . Assim, R- quadrado pode ser uma medida confiável de ajuste para a equação logística .
Gráficas Métodos

Por causa da falta de confiabilidade do R- quadrado como medida de ajuste para logística regressão, alguns estatísticos e estudiosos propõem o uso de métodos gráficos como uma alternativa. Existem diferentes métodos gráficos para avaliar o ajuste de um modelo de regressão, mas, em geral , a proximidade da linha de regressão - formado a partir de pontuação previstos no modelo - vem a resumir as pontuações reais observados determina a adequação do modelo . Quanto melhor for o ajuste , o mais apropriado modelo ou equação para o estudo em questão .
Regressão logística é um procedimento especializado , que requer o uso de softwares estatísticos , como SPSS, SAS ou Stata. Programas de planilhas , como o Excel não são projetados para a regressão logística .
Lote Residual

A método gráfico comum para avaliar o ajuste de um modelo de regressão é uma trama dos resíduos , ou a diferença entre os valores observados e preditos . Os resíduos individuais aparecem como pontos no gráfico , com os eixos verticais e horizontais representam os valores das variáveis ​​dependentes e independentes , respectivamente . Se os resíduos parecem independente dos preditores ou variáveis ​​independentes , em seguida, um determinado modelo é adequado. Quaisquer padrões sistemáticos na trama dos resíduos reais sugerem a dependência das variáveis ​​independentes , tornando um modelo inadequado para uso .
Lotes residuais , no entanto, têm limitações na regressão logística , devido à natureza dicotômica da variável dependente . Isso dificulta a dispersão de resíduos de interpretar.
Marginal modelo Plot

A alternativa mais confiável para a trama residual é o enredo do modelo marginal , ou MMP . O gráfico representa duas curvas , com um representando os valores previstos e os outros representam os valores reais observados . Tal como com a dispersão de resíduos , o eixo vertical representa os valores da variável dependente ( 1 ou zero, em regressão logística ) , enquanto o eixo horizontal representa os valores dos preditores . Se as duas curvas se aproximam , então o modelo de regressão logística em questão for considerado adequado . Ao contrário de a maioria das formas de regressão , em que a linha de regressão é reta , a linha de regressão logística tem uma curva .