Les posteurs les plus actifs de la semaine
Nik
 
Aymeen
 
Florent Aubry
 
FMarwen
 
clemm
 
AdrienC
 
zezima
 
NOUSRA
 
atm
 
droopy
 


regression logistique binaire

Aller en bas

regression logistique binaire

Message par toussaZK le Jeu 2 Fév 2017 - 14:12

Bonjour,

J'ai effectué une régression logistique binaire et j'ai trouvé que la p_value de l’intercepte est inférieure à 0.05
Comment interpréter ça ?
Code:

Coefficients:
                                  Estimate Std. Error z value Pr(>|z|)    
(Intercept)                      -4.002144   1.208771  -3.311  0.00093 ***
V1                                 -0.877945   0.622870  -1.410  0.15868    
V2                                  0.355005   0.659066   0.539  0.59013    
V3                                  0.505096   0.101797   4.962 6.98e-07 ***

Cordialement,

toussaZK

Nombre de messages : 81
Date d'inscription : 02/06/2014

Voir le profil de l'utilisateur

Revenir en haut Aller en bas

Re: regression logistique binaire

Message par Ayana le Jeu 2 Fév 2017 - 14:35

Bonjour,
Cela te dit simplement que le log(odd) de ta variable réponse quand V1=V2=V3=0 est different de 0. En gros, ça n'a pas vraiment d'intérêt.
Ayana
avatar
Ayana

Nombre de messages : 491
Localisation : Londres
Date d'inscription : 18/08/2009

Voir le profil de l'utilisateur

Revenir en haut Aller en bas

Re: regression logistique binaire

Message par droopy le Jeu 2 Fév 2017 - 14:36

Bonjour,

le test est que l'intercept (ordnnée à l'origine) est égal à 0. Manifestement ce n'est pas le cas ici et ce n'est pas très étonnant compte tenu de la valeur de l'intercept et de son écart-type. L'intercept correspond à l'estimation du log des chances d'avoir un 1 (rapport de la proportion de succès sur la proportion d'échec = nombre de succès/nombre d'échec) quand les autres variables sont égales à 0. Ici exp(-4) ça fait environ 1.8% de chance de succès quand V1, V2 et V3 valent 0.

Un exemple fictif :
Code:
set.seed(100)
y <- rbinom(100, 1, 0.85) # ici la proportion théorique de 1, la proba de succès est de 0.85
x <- rnorm(100)

# sans variable explicative
glm0 <- glm(y ~ 1, family = binomial())
exp(coef(glm0))
(Intercept)
   5.666667
table(y)
y
 0  1
15 85

85/15 # chance d'avoir un 1 : nombre de 1/nombre de 0
[1] 5.666667

#avec une variable explicative
glm1 <- update(glm0, ~ x)
exp(coef(glm1))
(Intercept)           x
  5.6368642   0.9036454
Dans le deuxième cas la valeur change un peu du fait de la présence de x, mais comme x n'a pas d'effet attendu sur y on reste très proche d'avoir 5.66 chance d'avoir un 1.

hth
avatar
droopy

Nombre de messages : 1107
Date d'inscription : 04/09/2009

Voir le profil de l'utilisateur

Revenir en haut Aller en bas

Re: regression logistique binaire

Message par Eric Wajnberg le Jeu 2 Fév 2017 - 14:38

J'imagine que ce que vous appelez un régression logisitique binaire veut dire avec un lien logit (il y a d'autres choix).

Le modèle avec que l'intercept est dans ce cas log(1/(1-p)))=b, où b est l'intercept. le test de significativité de l'intercept revient en fait au test de l'hypothèse b=0, ce qui revient à re-écrire l'équation ci-dessus p=0.5. Ca veut donc dire que, en moyenne, la fréquence binomiale observée diffère de 0.5.

Contrairement à ce que dit Ayana, si ca peut avoir un intérêt. C'est par exemple très utile dans les études de sex ratio pour savoir si on s'écarte de 50:50, etc.

HTH, Eric.
avatar
Eric Wajnberg

Nombre de messages : 944
Date d'inscription : 14/09/2012

Voir le profil de l'utilisateur

Revenir en haut Aller en bas

Re: regression logistique binaire

Message par Contenu sponsorisé


Contenu sponsorisé


Revenir en haut Aller en bas

Revenir en haut

- Sujets similaires

 
Permission de ce forum:
Vous ne pouvez pas répondre aux sujets dans ce forum