Интерпретация данных логистической регрессии Опции

[marchanka]

Подскажите, пожалуйста, как интерпретировать случаи, если бинарная логистическая регрессия дала значимые результаты:
хи квадрат значим, независимые переменные значимы, общее число корректно предсказанных случаев по модели более 70,
а правильно предсказанных более 50,% но доля объясненной дисперсии (R2 Наделькеркеса) - менее 0,500.
Модель работает? какой из показателей (% предсказанных или дисперсия более важный?)
Правильно ли я понимаю, что даже, если R2 менее 0,5, это значит, что по модели прогнозирование лучше, чем наугад.

в сообщениях ниже вопрос был отредактирован

[marchanka]

Правильно ли я поняла, что модели можно содержательно анализировать, т.е. они значимы.

по 2) тогда как корректно содержательно сделать вывод по модели: если я указываю, что она по хи-квадрату значима, объяснила столько-то дисперсии и имеет достаточные показатели по AUC.
корректно ли говорить, что модель значима и обладает достаточной прогностической мощностью?

Остался один вопрос, может, вы в курсе как рассчитать доверительный интервал для модели с двумя переменными (я пользуююсь спсс)?
может быть есть онлайн калькуляторы?

Спасибо за помощь!

ЭТОТ ВОПРОС СНИМАЕТСЯ,Т.К ОН НЕКОРРЕКТЕН.

Сообщение отредактировал marchanka - 27.08.2016 - 00:07

[p2004r]

Правильно ли я поняла, что модели можно содержательно анализировать, т.е. они значимы.

по 2) тогда как корректно содержательно сделать вывод по модели: если я указываю, что она по хи-квадрату значима, объяснила столько-то дисперсии и имеет достаточные показатели по AUC.
корректно ли говорить, что модель значима и обладает достаточной прогностической мощностью?

Остался один вопрос, может, вы в курсе как рассчитать доверительный интервал для модели с двумя переменными (я пользуююсь спсс)?
может быть есть онлайн калькуляторы?

Спасибо за помощь!

Нет. Сначала кроссвалидация должна доказать отсутствие оферфита моделей. А после этого можно приводить такие утверждения.

Я не понимаю что за "модель с двумя переменными".

[marchanka]

по 1) Нет. Сначала кроссвалидация должна доказать отсутствие оферфита моделей. А после этого можно приводить такие утверждения.

этот тезис касается и тех случаев, когда характеризуется 1 модель бинарной логистической регрессии, т.е. без сравнению с какой-либо еще моделью?
если да, то о каких моделях идет речь?

2) Я не понимаю что за "модель с двумя переменными".

у меня есть модель , которая содержит только 1 предиктор
и модели, которые содержат 2 предиктора.
Но это модели прогнозируют разные зависимые переменные, т.е. их не надо сравнивать между собой.
необходимо просто определить характеристики каждой модели самой по себе.

В СПСС есть кладка ROC-кривые и там можно автоматически рассчитать доверительный интервал. Но в этой вкладке предполагается ввод только 1 независимой и 1 зависимой переменных.
во вкладке "многослойный перцептрон" можно построить кривую с учетом 2 переменных.
Но там нет в настройках расчета доверительного интервала.
Соответственно возникает вопрос, как же рассчитать ДИ в случае, если модель содержит 2 независимых переменных?

при построении кривой я пользовалась этим алгоритмом http://www.hr-portal.ru/spss/Glava22/Index35.php

[p2004r]

у меня есть модель , которая содержит только 1 предиктор
и модели, которые содержат 2 предиктора.
Но это модели прогнозируют разные зависимые переменные, т.е. их не надо сравнивать между собой.
необходимо просто определить характеристики каждой модели самой по себе.

В СПСС есть кладка ROC-кривые и там можно автоматически рассчитать доверительный интервал. Но в этой вкладке предполагается ввод только 1 независимой и 1 зависимой переменных.
во вкладке "многослойный перцептрон" можно построить кривую с учетом 2 переменных.
Но там нет в настройках расчета доверительного интервала.
Соответственно возникает вопрос, как же рассчитать ДИ в случае, если модель содержит 2 независимых переменных?

при построении кривой я пользовалась этим алгоритмом http://www.hr-portal.ru/spss/Glava22/Index35.php

Так "наощупь" делать совсем плохо

Вам надо отправить во вкладку результат логистической регрессии _до_применения_ cut value (которое в спсс считают равным "по умолчанию" 0.5 ).

[leo_biostat]

Так "наощупь" делать совсем плохо

Вам надо отправить во вкладку результат логистической регрессии _до_применения_ cut value (которое в спсс считают равным "по умолчанию" 0.5 ).

Абсолютно правильная рекомендация! Без подробных деталей практически невозможно дать полезный ответ и рекомендации. При описании подобных сложных вопросов следует привести реальные фрагменты результатов полученных в используемом стат. пакете.
Подобные примеры таких фрагментов можете увидеть в моих статьях по логистической регрессии по адресам http://www.biometrica.tomsk.ru/logit_1.htm --- http://www.biometrica.tomsk.ru/logit_9.htm
При этом весьма важно кроме общих результатов типа само уравнение, проценты, ROC-кривые, и т.п. привести и конкретные результаты по каждому отдельному наблюдению сравниваемых групп. В этих таблицах со всеми наблюдениями можно оценить, какие конкретно наблюдения на переклассифицированы в свои собственные группы. И оценить почему это так.

Итак, по сложным вопросам надо приводить большие объёмы полученной информации. Иначе вместо детальных ответов и рекомендаций можно дать лишь отписку.