Comparaison de modèles de régression logistique NON emboités

Bonjour,

J'aimerais comparer 3 modèles de régression logistique.

En effet je dispose de 7 variables indépendante pour prédire la mortalité de patients.
Parmi les 7 variables il y en a 3 (les 3 sont des variables qualitatives à 2 classes) qui mesurent la même grandeur de façon un peu différente (la survenue d'une insuffisance rénale OUI ou NON, selon trois définitions différentes).

Afin d'éviter le problème de la colinéarité entre variables dans le modèle j'ai fait 3 modèles avec à chaque fois 5 variables, en choisisiiant à chaque fois une des trois variables qui mesurent la même chose.

J'aimerais maintenant déterminer lequel des 3 modèles est le meilleur afin de déterminer quelle définition de l'insuffisance rénale est la plus pertinente.

Je pense ne pas avoir le droit d'utilisier le -2Log de vraisemblance car les 3 modèles ne sont pas emboités.

Est-ce que je peux utiliser le test de Hosmer et Lemeshow? Je voudrais juste classer les 3 modèles pour savoir celui qui est le mieux... pas forcément vérifier qu'il est significativement mieux.

Merci pour votre aide.

Stephan

Salut,

Afin d'éviter le problème de la colinéarité entre variables dans le modèle j'ai fait 3 modèles avec à chaque fois 5 variables, en choisisiiant à chaque fois une des trois variables qui mesurent la même chose.

Je pense que c'est un bon choix stratégique. Il faut juste s'assurer que les modèles ont un sens et que le pb mathématique (colinéarité) ne prenne pas le pas sur le ce qui t'intéresse vraiment.

Je pense ne pas avoir le droit d'utilisier le -2Log de vraisemblance car les 3 modèles ne sont pas emboités.

??
Si tu veux dire que tu n'as pas le droit d'utiliser le rapport de vraissemblance pour comparer ces modèles, tu as raison.

Est-ce que je peux utiliser le test de Hosmer et Lemeshow? Je voudrais juste classer les 3 modèles pour savoir celui qui est le mieux... pas forcément vérifier qu'il est significativement mieux.

Utilise les critères d'information type AIC, car c'est exactement ce qu'ils permettent de faire : un classement des modèles en mettant en évidence le (ou l'ensemble de) meilleur(s) modèle(s). Effectivement ça ne montre pas la qualité de l'ajustement qui est une autre thématique dans le processus de sélection de modèle.
Le seul prérequis est que les modèles soient ajustés sur les mêmes données.

Nik

Merci beaucoup.
Effectivement je voulais parler du rapport de vraisemblance.

Merci pour la réponse : le critère AIC me permet donc de comparer mes trois modèles non emboités.

Je vais donc faire ça. Merci.

Merci pour la réponse : le critère AIC me permet donc de comparer mes trois modèles non emboités.

attention c'est comme tout, il faut apprendre à s'en servir et il y a beaucoup de n'importe quoi dans la litterature.

nik

Bonjour à nouveau,

Je suis ennuyé pour calculer le critère AIC pour mes modèles, car je ne trouve pas dans SPSS comment le faire.
- I a-t-il un fonction simple dans SPSS afin de calculer le critère AIC d'un modèle de régression logistique?
- Si la réponse est non... est ce que le Hosmer Lemeshow goodness of fit (simple à obtenir dans SPSS) permet un classement similaire de mes trois modèles non emboités : j'ai en effet les valeurs de Chi2 (p) suivantes pour mes trois modèles : modèle 1: 6,52 (0,589) ; modèle 2: 6,717 (0,567) ; modèle 3: 8,47 (0,389).
Est-ce que je peux conclure que le modèle 1 est plutôt mieux que les deux autres?

Merci beaucoup,

Stephan

Je n'utilise pas SPSS donc je ne peux pas répondre là dessus. Tu peux poser la question dans la section logiciel du forum. Et sinon la doc/aide d'SPSS ne dit rien là dessus ?

Est-ce que je peux conclure que le modèle 1 est plutôt mieux que les deux autres?

La réponse est non. Quel que soit le test, la valeur de la statistique ou celle de la p-value associée ne peut en aucun cas permettre d'associer un degré de significativité qui à son tour pourrait permettre un classement. Seul les critères d'information autorisent actuellement une telle approche de la sélection de modèle.

Nik