Ajustement sur variables qualitatives et rég. logistique

Bonjour,

Dans un modèle expliquant l' aggravation de handicap à 24 mois (codée 0/1), j'ai quatre variables explicatives qualitatives :
X1 X2 X3 X4 toutes les 4 codées 0 ou 1. Or, j'ai remarqué que tous mes patients avec X1=1 ont X2=0.
Je me demande donc si cela a un sens et si cela est correct d'ajuster la relation entre X1 et l'aggravation (question principale) sur la variable X2, d'autant plus qu'on ne peut pas tester l'interaction.
merci

juliette86 a écrit:Bonjour,
Or, j'ai remarqué que tous mes patients avec X1=1 ont X2=0.

et quand X1 vaut 0 ?

Nik a écrit:

juliette86 a écrit:Bonjour,
Or, j'ai remarqué que tous mes patients avec X1=1 ont X2=0.

et quand X1 vaut 0 ?

Quand X1=0, j'ai à la fois des X2=1 et X2=0

Du moment que tes deux variables ne sont pas redondantes alors ça garde un sens d'intégrer ces deux variables dans ton modèle. Par contre effectivement tu ne peux pas intégrer l'interaction entre les deux, mais j'ai envie de dire que x2 représente déjà une interaction puisque celui-ci est nul lorsque x1 = 1.

droopy a écrit:Du moment que tes deux variables ne sont pas redondantes alors ça garde un sens d'intégrer ces deux variables dans ton modèle. Par contre effectivement tu ne peux pas intégrer l'interaction entre les deux, mais j'ai envie de dire que x2 représente déjà une interaction puisque celui-ci est nul lorsque x1 = 1.

Ok merci pour vos réponses, mais ce qui me pose problème c'est que pour moi, justement dans ce cas là on n'a pas vraiment une estimation de l'effet de x1 quel que soit x2, mais de l'effet de x1 quand x2 est =1. (car quand x2=0 on n'a rien pour estimer quel est l'effet de x1)
Merci de me dire si je me trompe là dessus, car j'ai l'impression que certaines choses m'échappent (bon j'ai toujours eu du mal à dépasser mantel haenszel &cie, pour les analyses multivariées).
Et quand j'estime l'effet de x1 dans le sous-groupe x2=1 (même modèle sans x2 bien sûr), je ne trouve pas du tout le même résultat, et je ne comprends pas pourquoi. (ok l'effectif est réduit, les autres caractéristiques sont peut-être déséquilibrées selon la valeur de x2)