Hồi quy logistics 11/13/16 Đã học… • Hồi quy • Hồi quy logistic 11/13/16 Mục tiêu • • • • Trình bày nguyên lý hồi quy logistic Trình bày bước xây dựng mô hình hồi quy logistic Kiểm soát vấn đề thực hồi quy logistic Thực phân tích SPSS phiên giải kết 11/13/16 Nguyên lý hồi quy logistics 11/13/16 Ví dụ 11/13/16 Ví dụ (tt) Tuyến tính? 11/13/16 Ví dụ Tuyến tính? 11/13/16 Vấn đề • Giá trị trục tung – y: từ đến • Giá trị ước lượng theo hồi quy tuyến tính nằm giá trị ý nghĩa • Sai số phân phối chuẩn 11/13/16 Hồi quy logistics • Hồi quy logistic sử dụng biến phụ thuộc biến nhị giá – Được đo lường bằng: • Nguy (risk), • Số chênh (odds), • Tỷ số số chênh (odds ratio) – Các đo lường có miền xác định: risk(0,1), Odds(0,+α) • Khi đó, mô hình y = a + bx – với miền xác định y (-α; +α) không thích hợp để sử dụng 11/13/16 Hồi quy logistics (tt) • Vấn đề: biến đổi đo lường biến phụ thuộc để có miền xác định (-α; +α) • Sử dụng thuật toán logit – Logit = ln(θ/1- θ) – Như vậy: miền xác định logit (-α; +α) 11/13/16 10 Đưa biến số vào mô hình (tt) • Backward: đưa toàn biến độc lập vào mô hình sau bỏ dần biến ý nghĩa thống kê • Stepwise: kết hợp phương pháp forward backward, bước phương pháp tính toán để đưa vào loại biến độc lập sau có xuất biến khác 11/13/16 52 Mô hình: tuổi, học vấn, tiếp xúc phong u, phong củ 11/13/16 53 Kết 11/13/16 54 Mô hình: tuổi, học vấn, tiếp xúc phong u, phong củ 11/13/16 55 Kết 11/13/16 56 Có nên đưa biến giới vào không? 11/13/16 57 Vấn đề đưa biến số vào mô hình • Mô hình giải thích hay mô hình tiên đoán? • Mô hình giải thích: – Đưa biến độc lập vào mô hình, bổ sung biến khác – Đưa tất biến độc lập vào mô hình, cho bậc tự mô hình [...]... = ln(Odds) = ln[p/(1 - p)] = a + bx  Tính toán được OR 11/13/16 12 Hồi quy logistics (tt) • Như vậy: • Odds của x = 0 là: • Odds của x = 1 là: • Vậy OR được tính: 11/13/16 13 Như vậy • Hồi quy logistics: – Dùng cho biến phụ thuộc là biến nhị giá – Giúp xác định: • Số chênh • Tỷ số số chênh • Tỷ lệ đã hiệu chỉnh 11/13/16 14 Hồi quy logistics trong SPSS Biến độc lập là biến nhị giá 11/13/16 15 Tính tỷ... step 1: nhtuoi • OR của nhóm tuổi 15/24 và nhóm tuổi 24/34 là không có ý nghĩa thống kê (hay hệ số hồi quy B trong 2 nhóm này không có ý nghĩa) 11/13/16 27 Hồi quy logistics trong SPSS Biến độc lập là biến danh định 11/13/16 28 Tương tự biến thứ bậc Không có giả định tính khuynh hướng 11/13/16 29 Hồi quy logistics trong SPSS Biến độc lập là biến định lượng 11/13/16 30 Kết quả Variables in t he Equat... đến tình trạng nhẹ cân của trẻ hay không? 11/13/16 32 Hồi quy logistics đa biến Nhiều biến độc lập trong mô hình 11/13/16 33 Mô hình • Biến phụ thuộc: bệnh phong • Biến độc lập: chủng ngừa BCG 11/13/16 34 Biến thứ 3 • Tuổi có phải là yếu tố gây nhiễu/tương tác hay không? – Phân tầng – Hồi quy logistics 11/13/16 35 Xem xét • Thay đổi của hệ số hồi quy • Thay đổi của OR hiệu chỉnh và OR thô Ngoài ra –.. .Hồi quy logistics (tt) Tình trạng bệnh Có chủng ngừa Không chủng ngừa Tổng Bệnh phong a b a+b Không có bệnh phong c d c+d a+c b+d N Tổng Theo lý thuyết, Odds được tính như sau : Odds của nhóm bệnh = tỷ lệ có chủng ngừa trong nhóm bệnh/tỷ lệ không chủng ngừa trong nhóm bệnh = (a/a+b)/(b/a+b) = 11/13/16 p/(1-p) 11 Hồi quy logistics (tt) • Sử dụng thuật toán logit... logistics trong SPSS Biến độc lập là biến nhị giá 11/13/16 15 Tính tỷ số số chênh OR • Đo lường mức độ tác động giữa chủng ngừa BCG và bệnh phong – Bảng 2x2 – Hồi quy logistics • Đơn biến: 1 biến độc lập • Kết quả phần Block 1 11/13/16 16 Kết quả hồi quy logistics • Kết quả 1: Omnibus Test of Model Coefficients – Giả thuyết Ho: việc đưa biến độc lập vào mô hình là không có ý nghĩa – Đối thuyết Ha: việc đưa... thuyết Ha: việc đưa biến độc lập vào mô hình là có ý nghĩa Omnibus Test s of Model Coef f icient s Step 1 11/13/16 Step Block Model Chi- square 84.352 84.352 84.352 df 1 1 1 Sig .000 000 000 17 Kết quả hồi quy logistics (tt) Variables in t he Equat ion Step a 1 bcg Constant B - 1.490 - 933 S.E .180 081 Wald 68.221 131.286 df 1 1 Sig .000 000 Exp(B) 225 393 95.0% C.I.for EXP(B) Lower Upper 158 321 a Variable(s)... hình giúp tiên đoán: 28.2% người không chủng ngừa BCG sẽ mắc bệnh phong – Odds = 0.089  p = 0.089/1.089 = 0.082  mô hình giúp tiên đoán: 8.2% người có chủng ngừa BCG sẽ mắc bệnh phong 11/13/16 20 Hồi quy logistics trong SPSS Biến độc lập là biến thứ bậc 11/13/16 21 Tính tỷ số số chênh (1) • Đo lường mối liên quan giữa bệnh phong và tuổi • Giả định tính khuynh hướng của tuổi: sự khác biệt giữa các lớp