Home Forum Statistica con R Aiuto Regressione Logistica

This topic contains 2 replies and has 2 voices.

Viewing 3 posts - 1 through 3 (of 3 total)
  • Author
    Posts
  • #4533

    Sere
    Participant

    Ciao a tutti! Ho le idee abbastanza confuse sulla regressione logistica :( spero che qualcuno possa aiutarmi!
    Da un’analisi logistica, in cui
    Clear: 1 = infezione è stata debellata dopo 14 giorni.
    Antibo: 1 = Ceftriaxone e 0= Amoxicillina.
    Age: 1= meno di 2 anni, 2= tra i 2 e i 5 anni e 3= più di 6 anni
    Ear= numero orecchie contagiate( 1 o 2)
    si ottiene:

    glm(formula = Clear ~ Antibo + Ear + Age, family = binomial, 
        data = otite)
    Deviance Residuals: 
        Min       1Q   Median       3Q      Max  
    -1.7584  -1.0534   0.6924   0.9951   1.7562  
    Coefficients:
                Estimate Std. Error z value Pr(>|z|)    
    (Intercept) -0.04234    0.46916  -0.090 0.928083    
    Antibo2     -0.74617    0.25920  -2.879 0.003993 ** 
    Ear         -0.25642    0.28996  -0.884 0.376526    
    Age2         1.00038    0.29219   3.424 0.000618 ***
    Age3         1.60498    0.37207   4.314 1.61e-05 ***
    ---
    Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
    
    (Dispersion parameter for binomial family taken to be 1)
    
        Null deviance: 384.87  on 277  degrees of freedom
    Residual deviance: 353.30  on 273  degrees of freedom
    AIC: 363.3
    Number of Fisher Scoring iterations: 4

    1) Mi chiede log(π/1-π). Io ho provato a svolgerlo ma non so se è corretto
    log(π/1-π)=exp(-0.04234-0.7417 X1-0.25642 X2+1.00038 D1+1.60498 D2)
    con X1= 1 se farmaco antibo, 0 con l’altro farmaco
    X2= numero di orecchie infette
    D1 variabile dummy che assume valore 1 se l’età del bambino è quella del secondo gruppo, 0 in caso contrario
    D2 variabile dummy che assume valore 1 se l’età del bambino è quella del terzo gruppo, 0 in caso contrario
    Dunque se il bambino fa parte del primo gruppo sia D1 che D2 valgono 0.

    2) I termini significativi a livello Alpha=0.05 sono Antibo2 e Age2 e Age 3. E’ corretto?

    3) Commentare il significato di ciascuno dei parametri in termini di odds ratio. Come devo procedere?

    4) Il modello spiega se l’antibiotico è in grado di curare significativamente l’infezione in 14 giorni? In particolare secondo il modello c’è differenza in efficacia tra Cetriaxone e Amoxicillin?
    Non riesco a rispondere perché la mia analisi mi da solo il p-value di Antibo2 e non capisco bene cosa intenda…Noi sappiamo che la variabile antibo può assumere valore 1 se l’antibiotico usato è ceftriaxone e 0 se usiamo amoxicillina…come faccio a rispondere a questa domanda?

    - Dopo aver aggiustato per gli altri fattori l’età influenza la chance di guarire in 14 giorni? Spiega usando Alpha=0.05

    L’esercizio prosegue poi con altri punti, ma già riuscire a fare chiarezza in questa prima parte sarebbe tanto! Sono disperata! “-”
    Grazie a chiunque risponderà
    Serena

    #4534
    MADARA
    MADARA
    Participant

    Ok velocemente, in termini di “log odds ratio” e non di odds ratio , perché i questo caso hai iniziato un modello di logistic regression, vanno interpretati come segue: ad es. Antibo2 , è il secondo livello del predictor Antibo (immagino, se hai riportato tutto correttamente, che i livelli siano 1 e 2);
    ti compare solo un livello Antibo2, il secondo livello della var factor Antibo perché il primo è usato dall’algoritmo come livello di referenza(Antibo1);
    quindi significa, in questo caso, che Antibo2 avendo il coefficiente(che altro non è che la log odd ratio) negativo pari a-0.74617, abbassa la probabilità (sempre rispetto ad Antibo1) che l’infezione sia debellata dopo 14 gg (valore 1 della variabile dipendnete Clear), e contestualmente aumenta la prob che variabile dipendente Clear sia uguale a 0.
    Tieni presente che la “log odds ratio” rispetto alla odd ratio è centrata a zero; quindi se Antibo2 avesse avuto coefficiente vicino a zero, questo avrebbe indicato che non ci sono differenze significative tra i due trattamenti; se invece vuoi i valori *convertiti* in “odd ratio” ovviamente devi *esponenziare* la LOR, ovvero il coefficiente di antibo2  exp(-0.74617)==0.4741;

    prediamo Age come esempio; come dicevo, ti riporta solo due dei tre livelli della variabile perché Age1 è preso come riferimento; quindi ad es. Age3 che ha LOR pari a 1.60498 sta ad indicare che auementa la probabilità(rispetto ad Age1) di quasi 5 volte(exp(1.60498 == 4.9//effect size//) che la variabile Clear abbia valore 1, “controllando” per tutte le altre variabili;

    Certo la sola P-value non è un forte indicatore di “significatività e non”; infatti si dovrebbero computare anche i singoli intervalli di confdenza e testare l’influenza dei predictors tramite, ad.es. ANOVA.

    • This reply was modified 7 months ago by MADARA MADARA.
    #4540

    Sere
    Participant

    Grazie mille!!

Viewing 3 posts - 1 through 3 (of 3 total)

You must be logged in to reply to this topic.