Вопрос по логистической регрессии Опции

[lab_owl]

Уважаемые коллеги!
Я новичок в статистике, поэтому заранее извинюсь за, быть может, наивные вопросы. Они касаются логистической регресии. Имеются данные некоторого потенциально значимого диагностического теста (read-out - да/нет, соотв. 0/1) для дифференциальной диагностики доброкачественных и злокачественных узловых образований ЩЖ (соотв-но, зависимая переменная - «зло»(1)/«добро»(0)), независимые переменные (помимо рез-та изучаемого теста) - пол, возраст и наличие/отсутствие (1/0) подозрительных на малигнизацию изменений на цитограмме пунктата. Строю модель (SPSS, binary logistic regession). В результате по переменной, соответствующей рез-там диагностического теста - гипердисперсия, низкая статистика Вальда и отсутствие значимости переменной. Ситуация в том, что тест высокоспецифичный (но низкочувствительный), и на относительно небольшой выборке ни одного тест-позитивного случая в группе пациентов с доброкачественными образованиями не наблюдается. При произвольном введении одного тест-позитива в эту группу (в любой case) ситуация полностью исправляется, ошибка становится вполне приемлемой и переменная становится значимой. При этом % верных предсказаний в «неадеватной» модели даже выше (что логично). Собственно вопросы:
1) Неадекватность модели при отсутствии тест-позитивных случаев в одной из групп - это внутренняя особенность алгоритма или еще что-то?
2) Если это внутренняя особенность алгоритма, то каковы методы борьбы (не считая дальнейшего сбора материала в ожидании хотя бы одного тест-позитивного случая)?
Заранее спасибо за советы и рекомендации.

Сообщение отредактировал lab_owl - 26.02.2009 - 20:05

[Gewissta]

Добрый день!
Строю в SPSS модель лог регрессии.
Есть историческая выборка, проблема - мало наблюдений по плохим исходам
модель неважно прогнозирует плохих: 93,9% корректных прогнозов по хорошим и 46% корректных прогнозов по плохим
Перевзвесил, привел к пропорции 50/50, чтоб посмотреть, как будет работать модель
модель стала одинаково хорошо прогнозировать плохих и хороших: 76,3% корректных прогнозов по хорошим и 79,8% корректных прогнозов по плохим. по сути поставленное рук-вом требование построить сбансированную (дающую примерно одинаковый процент правильных прогнозов по обоим классам) модель выполнено
но смущает, что резко обвалилась статистика Хосмера-Лемешева с 0.855 до 0.160
терзаюсь вопросом, принимать ли ее во внимание или нет, если да, какие действия. Народ, может, что-то посоветуйте?

Сообщение отредактировал Gewissta - 28.12.2011 - 16:31

[p2004r]

но смущает, что резко обвалилась статистика Хосмера-Лемешева с 0.855 до 0.160

так пишут что

Large values of \chi^2_{HL}(and small p-values) indicate a lack of fit of the model.