Без кейворда

Контент

Количество учащихся: 7,9 тыс.

Добро пожаловать в раздел «Логистическая регрессия в R для общественного здравоохранения»! Почему логистическая регрессия для общественного здравоохранения, а не просто логистическая регрессия? Что ж, есть некоторые особенности для каждого набора данных, и наборы данных общественного здравоохранения имеют определенные особенности, которые требуют особого внимания. Одним словом, они грязные. Как и другие в этой серии, это практический курс, дающий вам много практики с R на реальных, беспорядочных данных, с прогнозированием того, у кого диабет, на основе набора характеристик пациента в качестве рабочего примера для этого курса. Кроме того, интерпретация результатов регрессионной модели может различаться в зависимости от точки зрения, которую вы принимаете, и общественное здравоохранение не только принимает точку зрения отдельного пациента, но также должно учитывать популяционный угол. Тем не менее,многое из того, что рассматривается в этом курсе, справедливо для логистической регрессии при применении к любому набору данных, поэтому вы сможете применить принципы этого курса и к логистической регрессии в более широком смысле. К концу этого курса вы сможете: объяснять, когда допустимо использовать логистическую регрессию; определять шансы и отношения шансов; выполнять простой и множественный анализ логистической регрессии в R и интерпретировать выходные данные; оценивать допущения модели для множественной логистической регрессии в R. Опишите и сравните некоторые распространенные способы выбора модели множественной регрессии. Этот курс основан на таких навыках, как проверка гипотез, значения p и использование R, которые рассматриваются в первых двух курсах специализации «Статистика для общественного здравоохранения». Если вы не знакомы с этими навыками,мы предлагаем вам изучить «Статистическое мышление для общественного здравоохранения» и «Линейная регрессия для общественного здравоохранения» перед началом этого курса. Если вы уже знакомы с этими навыками, мы уверены, что вам понравится углублять свои знания и навыки в статье Статистика для общественного здравоохранения: логистическая регрессия для общественного здравоохранения. Надеемся, вам понравится этот курс!

Получаемые навыки

Логистическая регрессия, программирование на R

Рецензии

Этот вариант лучше по сравнению с тем, который посвящен линейной регрессии в тестах, которые предназначены для лучшей проверки ваших знаний.

Отличный курс! Этот курс должны пройти все студенты, изучающие естественные науки и те, кто в настоящее время занимается исследованиями и разработками в области науки о данных и клинических разработок.

Введение в логистическую регрессию

Добро пожаловать в статистику общественного здравоохранения: логистическая регрессия для общественного здравоохранения! На этой неделе вы познакомитесь с логистической регрессией и ее использованием в общественном здравоохранении. Мы сосредоточимся на том, почему линейная регрессия не работает с бинарными исходами, и на соотношении шансов и шансов, и вы закончите неделю, практикуя свои новые навыки. К концу этой недели вы сможете объяснить, когда допустимо использовать логистическую регрессию, и определить шансы и отношения шансов. Удачи!

Преподаватели

Алекс Бутл

Профессор медицинской статистики

Текст видео

Логистическая регрессия - это скорее шансы, чем вероятность. Но почему? Какая разница? Многие обыватели путают их, но мы с вами, мыслителями статистики, не можем себе этого позволить. Коэффициенты описывают ожидаемое количество успехов на неудачу. В азартных играх коэффициенты используются, потому что удобно указать, сколько букмекерская контора заплатит по сравнению с ставкой игрока. Например, если у лошади шансы семь к одному, иногда называются семь к одному или просто семерки, это означает, что у нее один шанс на победу, но семь на проигрыш. В долгосрочной перспективе, на каждую выигранную гонку он проведет семь гонок и проиграет. Следовательно, вероятность проигрыша гораздо выше, чем выигрыша. Однако, если он выиграет, букмекерская контора даст вам в семь раз больше вашей ставки. Какова вероятность того, что лошадь выиграет? Хорошо,с семью шансами на проигрыш и одним шансом на победу наши 7 плюс 1 в сумме равняются 8 шансам. Таким образом, вероятность его выигрыша составляет один из восьми, или 12,5 процента, тогда как вероятность его проигрыша составляет семь из восьми, или 87,5 процента. Но что, если у лошади так называемые равные деньги на выигрыш? Таким образом, это означает, что вероятность проигрыша такая же, как и вероятность выигрыша, что часто описывается как 50 на 50. Итак, 50 шансов на победу и 50 шансов на проигрыш. Таким образом, вероятность выигрыша равна 50, деленному на 50 плюс 50, что составляет 50 процентов, как при подбрасывании монеты. Логистическая регрессия предполагает моделирование шансов, а не вероятности. Фактически, как мы видели, он моделирует натуральный логарифм шансов, или для краткости логарифм шансов. Логарифмические шансы могут принимать отрицательные значения, в отличие от шансов или вероятности,и может принимать значения выше единицы в отличие от вероятности. Обе эти вещи необходимы для того, чтобы лежащие в основе математические вычисления работали, и, чаще всего, мы не просто хотим знать логарифмические шансы чего-то происходящего, например, диабета, мы хотим знать, как логарифмические шансы варьируются в зависимости от некоторых факторы пациента в зависимости от их возраста. Итак, вероятность развития диабета у пожилых людей выше, чем у молодых. В логистической регрессии это оценивается путем сравнения логарифмических шансов наличия диабета у пожилых людей с логарифмическими шансами диабета у молодых людей. Разделение первого на второе дает логарифмическое отношение шансов. К счастью, мы можем взять антилогарифм шансов, логарифм отношения шансов, процедуру, называемую возведением в степень, чтобы получить отношение шансов, которое гораздо легче интерпретировать. Это всего лишь один коэффициент, разделенный на другой коэффициент. Например,Если мы разделим шансы для пожилых людей на шансы для молодых людей, и полученное отношение шансов будет больше единицы, это означает, что у пожилых людей больше шансов заболеть диабетом, чем у молодых. Это правда. Мы видели, что вероятность и шансы - это не одно и то же, и математика логистической регрессии работает по логарифмической шкале нечетности. К счастью, простой способ возвести результат в степень: модель логистической регрессии по формуле дает нам отношения шансов, которые можно интерпретировать. Этот курс даст вам много практики в этом.а математика логистической регрессии работает по логарифмической нечетной шкале. К счастью, простой способ возвести результат в степень: модель логистической регрессии по формуле дает нам отношения шансов, которые можно интерпретировать. Этот курс даст вам много практики в этом.а математика логистической регрессии работает по логарифмической нечетной шкале. К счастью, простой способ возвести результат в степень: модель логистической регрессии по формуле дает нам отношения шансов, которые можно интерпретировать. Этот курс даст вам много практики в этом.