Samenvatting: 3. Logistic Regression - Prediction Model | Robert Lindeboom

Lees hier de samenvatting en de meest belangrijke oefenvragen van 3. Logistic Regression - Prediction Model | Robert Lindeboom

• 1 Algemeen

  Dit is een preview. Er zijn 8 andere flashcards beschikbaar voor hoofdstuk 1
  Laat hier meer flashcards zien

• Wat wil men bereiken met het maken van een predictiemodel, gebruikmakend van logistische regressie?

  Het schatten van de probability op de uitkomst van interesse door middel van een aantal prognostische variabelen. 
  Bijvoorbeeld: wat is de kans op een event (bijv. dood) bij een man van 80 jaar, met een cholesterol van 3.2, een bloeddruk van 150/95 en een BMI van 21?

• Wat is de "standaard formule" voor een predictiemodel obv logistische regressie?

  Y= a+B1X1+B2X2+........+BnXn
  

  y= de risicoscore

  a= het basisrisico

  b= logistische regressiecoëfficiënten

  x = verklarende variabelen/covariaten

• Waarom dient bij logistische regressie gebruik te worden gemaakt van een logit-transformatie?

  Omdat de dichotome uitkomstvariabele niet lineair verdeeld is.

• Hoe is de ln(odds) verdeeld? Loopt van ... tot ... Centrum = ....Hoe hoger/lager de ln(odds) hoe hoger/lager de kans op effect

  Loopt van min oneindig tot plus oneindig

  Centrum is nul

  Lagere ln(odds) is lagere kans op effect, hogere ln(odds) is grotere kans op effect

• Wat zijn de voordelen van een Ln(odds) transformatie?

  - Eigenschappen van een liniair regressiemodel. 

  - Direct gerelateerd aan de odds op het krijgen van een event

  - Odds kunnen terug worden getransformeerd naar de probability/kans

• Hoe kun je de Ln(Odds) terug transformeren naar een gewone odds?

  Door te verheffen in de e-macht. 

• Noem de vier stappen van het maken van een predictiemodel

  Identificeren van ware voorspellers
  Beoordelen van discriminatie
  Kalibratie
  Assumties checken
  

• Hoe dient men de exp B van een logistische regressieanalyse te interpreteren?

  De interpretatie hiervan wil zeggen dat de odds op het event met exp(β) omhoog gaat op het moment dat x één eenheid groter wordt.

• Wat is de definitie van een predictiemodel?

  Een predictiemodel met logistische regressie voorspelt de odds op een event aan de hand van een aantal prognostische factoren.

• Hoe bereken je hoeveel variabelen je in je predictiemodel kan stoppen?

  Aantal events /10 = maximaal aantal cases.