La régression logistique
Régression logistique définition et exemple La régression logistique est une méthode statistique utilisée pour modéliser la relation entre une variable dépendante binaire et une ou plusieurs variables indépendantes, qu'elles soient qualitatives ou quantitatives.
D'après le document La régression logistique
Cet article a été rédigé automatiquement à partir du document source, puis vérifié avant publication.
Document source
Statistics and Health Research · PDF · 63 pages
Afficher l'aperçu du document
Régression logistique définition et exemple
La régression logistique est une méthode statistique utilisée pour modéliser la relation entre une variable dépendante binaire et une ou plusieurs variables indépendantes, qu'elles soient qualitatives ou quantitatives. Ce document présente les spécifications du modèle, l'interprétation des coefficients, l'estimation des paramètres, les tests de significativité et des applications pratiques de la régression logistique.
Spécification du modèle
La régression logistique est appliquée lorsque la variable dépendante Y est binaire, prenant la valeur 0 en cas de non-occurrence de l'événement et 1 en cas d'occurrence. On cherche à expliquer la survenue d'un événement et à déterminer la probabilité de succès en termes d'espérance.
Les notations utilisées incluent (Y, X1, X2,…, Xk) pour les variables de la population, où (yi, xi) représente le vecteur des réalisations de (Yi, Xi). On note également K pour le nombre de variables explicatives.
La fonction logistique est utilisée pour garantir que l'espérance de Y ne prenne que deux valeurs, ce qui est formulé comme suit :
f(x) = exp(x) / (1 + exp(x)) = p
Y suit une loi de Bernoulli de paramètre p, et la transformation logit permet de travailler sur des valeurs entre [-∞; +∞] :
logit(p) = ln(p / (1 - p)) = β0 + β1xi1 + β2xi2 + … + βpxik
Interprétation des coefficients
Dans le cas d'une seule variable exogène binaire, l'odds (ou « cote ») est défini par la probabilité P. Par exemple, si un étudiant a 3 chances sur 4 d'être reçu, sa cote est de 3 contre 1 :
Odds(P) = P / (1 - P) = 3 / 1 = 3
L'odds ratio (OR) est le rapport des cotes des probabilités d'avoir la maladie pour ceux qui ont un symptôme X par rapport à ceux qui ne l'ont pas :
- OR = 1 : la maladie est indépendante du symptôme
- OR > 1 : la maladie est plus fréquente chez ceux qui ont le symptôme
- OR < 1 : la maladie est plus fréquente chez ceux qui n'ont pas le symptôme
Pour une variable exogène quantitative, l'odds ratio est donné par :
RC = exp(β1)
La proportion de malades dont la valeur de X est 0 est calculée comme suit :
P(Yi=1 | X=0) = exp(β0) / (1 + exp(β0))
Estimation et test du modèle
L'estimation des paramètres se fait par la méthode du maximum de vraisemblance, qui fournit des estimateurs sans biais et de faible variance. La vraisemblance d'un échantillon est définie comme la probabilité d'observer cet échantillon :
L(β, y1,…, yn) = Π(β^yi * (1 - β)^(1 - yi))
Les intervalles de confiance permettent de déterminer s'il existe une relation entre la variable Xj et Y. Si 1 appartient à l'intervalle de confiance, il n'y a pas de relation. Sinon, une relation existe :
IC = exp[βj ± uα * s(βj)]
Le test du rapport de vraisemblance compare deux modèles emboîtés (M1 et M2) et suit une loi du Khi-deux à p-k degrés de liberté. Les hypothèses de test sont :
- H0 : On choisit M1 (même qualité prédictive que M2)
- H1 : On choisit M2 (meilleure qualité prédictive)
Application de la régression logistique
Dans une étude sur la reprise de consommation de drogues, plusieurs variables sont prises en compte, telles que l'âge, le score de dépression de Beck, et le nombre de traitements anti-drogue précédemment suivis. La régression logistique multiple est utilisée pour modéliser la probabilité de reprise de consommation :
M1 : logit P[REPRISE=1 | AGE] = β0 + β1 * AGE
Une estimation plus complexe peut être faite en utilisant des variables catégorielles pour l'âge :
M2 : logit P[REPRISE=1 | AGE] = β0 + β1 * AGE(2) + β2 * AGE(3) + β4 * AGE(4)
La sélection des variables se fait par une procédure descendante manuelle, éliminant les variables avec une p-value élevée.
Des interactions entre variables peuvent également être testées pour déterminer si une variable modifie l'effet d'une autre sur la variable dépendante.
Points clés à retenir
Voici les éléments essentiels à retenir concernant la régression logistique :
- Modèle utilisé pour des variables dépendantes binaires.
- Interprétation des coefficients via les odds ratios.
- Estimation des paramètres par maximum de vraisemblance.
- Tests de significativité pour évaluer l'impact des variables.
- Applications pratiques dans divers domaines, notamment la santé.
Questions fréquentes
Qu'est-ce que la régression logistique ?
La régression logistique est une méthode statistique utilisée pour modéliser la relation entre une variable dépendante binaire et des variables indépendantes, qu'elles soient qualitatives ou quantitatives.
Comment interpréter les coefficients en régression logistique ?
Les coefficients en régression logistique sont interprétés à travers les odds ratios, qui indiquent comment la probabilité d'un événement change avec les variables indépendantes.
Quels tests sont utilisés pour évaluer la significativité des paramètres ?
Les tests de rapport de vraisemblance et les intervalles de confiance sont utilisés pour évaluer la significativité des paramètres dans le modèle de régression logistique.
Comment appliquer la régression logistique dans une étude ?
La régression logistique peut être appliquée en modélisant la probabilité d'un événement, comme la reprise de consommation de drogues, en utilisant des variables explicatives pertinentes.
Commentaires
Aucun commentaire pour le moment. Posez la première question.