regression logistique binaire

Bonjour,

Afin d’identifier les facteurs qui influencent le plus sur ma variable d’intérêt qui est binaire, j'ai effectué une régression logistique binaire en mettant toutes la variables explicatives,ensuite j'ai utilisé StepAIC avec comme méthode "backward" .

Code:

mlogitdasm1<-glm(var intert#~ var1+var2+++var35,family=binomial())
dasm1<- stepAIC(mlogitdasm1,direction="backward")
predict(dasm1,data=bddv1[,c(-36)])

Pour regarder si le modèle est peinent j'ai utilisé predict sur mon jeu de données de départ en supprimant la variable d’intérêt mais la le modèle me donne une variable continue qui varie entre -7325 et 16 !!!
Il s'agit d'une faute dans la démarche ou est ce que les variables explicatives ne sont pas liées à la variable d’intérêt ?( parmi les 35 variables explicatives seulement 3 qui sont liées à la variable d’intérêt)

Cordialement,

Bonjour,

c'est classique comme erreur. La fonction predict par défaut renvoie la valeur prédite sur l'espace du lien, donc ici sur le logit. Pour avoir la probabilité de succès alors il te faut rajouter dans predict l'argument type = "response". C'est un problème logiciel ici.

cdlt

Merci pour votre réponse, j'ai ajouté le type dans la fonction mais il me donne pas des classes 0/1 mais des valeurs continues : 0.2,0.1....
Est ce qu'il faut fixer un seuil et classer les observations prédites en 0 et 1 en fonction de ce seuil ?

droopy a écrit:Bonjour,

c'est classique comme erreur. La fonction predict par défaut renvoie la valeur prédite sur l'espace du lien, donc ici sur le logit. Pour avoir la probabilité de succès alors il te faut rajouter dans predict l'argument type = "response". C'est un problème logiciel ici.

cdlt

Une alternative est d'utiliser la fonction fitted() ou fitted.values().

Eric.

toussaZK a écrit:Merci pour votre réponse, j'ai ajouté le type dans la fonction mais il me donne pas des classes 0/1 mais des valeurs continues : 0.2,0.1....
Est ce qu'il faut fixer un seuil et classer les observations prédites en 0 et 1 en fonction de ce seuil ?

Ce sont des valeurs prédites par le modèle, et - si les valeurs observées sont soit 0, soit 1 - les valeurs prédites peuvent être n'importe où dans l'intervalle ]0.0 - 1.0[ par construction.

HTH, Eric.

Merci pour vos réponses