Prace dyplomowe · Statystyka

Regresja logistyczna – zadania z rozwiązaniami krok po kroku

Dziesięć zadań jak na kolokwium: szansa a prawdopodobieństwo, iloraz szans z tabeli i z modelu, przeliczanie logitu na prawdopodobieństwo, odczyt wydruku glm, kontrola drugiej zmiennej, tabela klasyfikacji, AUC, pseudo-R², test ilorazu wiarygodności i EPV. Każde z danymi, rozwiązaniem i typowym błędem.

Strona główna / Blog / Regresja logistyczna – zadania
W skrócie: Dziesięć zadań obejmuje typowy materiał z regresji logistycznej na kolokwium i egzaminie: szansę i logit, iloraz szans z tabeli 2 × 2 jako exp(b), przeliczenie równania na prawdopodobieństwo dla konkretnej osoby, iloraz szans dla 1 i 10 jednostek predyktora, odczyt wydruku summary(glm) z przedziałami Walda i profilowymi, interpretację „przy kontroli”, tabelę klasyfikacji przy dwóch progach, AUC, pseudo-R² i test ilorazu wiarygodności z EPV. Każde rozwiązanie ma wzór, podstawienie, wynik, interpretację i typowy błąd. Wszystkie liczby sprawdzono w R, a dane możesz pobrać w pliku CSV.

Regresja logistyczna: zadania z rozwiązaniami – jak z nich korzystać

Ten wpis to regresja logistyczna – zadania z rozwiązaniami na kolokwium, egzamin albo przed analizą do pracy dyplomowej. Najwięcej kłopotu sprawiają przeliczenia: prawdopodobieństwo – szansa – logit oraz współczynnik b – iloraz szans. Dziesięć ćwiczeń przechodzi przez nie po kolei, a potem przez ocenę modelu: klasyfikację, AUC, pseudo-R² i test ilorazu wiarygodności.

Każde zadanie ma ten sam układ: treść z danymi, rozwiązanie krok po kroku, interpretację i typowy błąd. Zadania 1–4 policzysz kalkulatorem z funkcjami ex i ln; zadania 5–10 opierają się na jednym zbiorze 60 osób i na wydruku z R, bo modelu nikt nie dopasowuje na kartce. Każdą liczbę sprawdziliśmy w R (kod na końcu wpisu). Wzory są standardowe (np. Field, 2018).

Założenia i opis w pracy omawia poradnik regresja logistyczna krok po kroku, definicje – hasło regresja logistyczna.

Spis zadań: numer, historyjka i co liczysz
ZadanieHistoryjkaCo liczysz
1rezygnacja z terapiiprawdopodobieństwo, szansa, logit
2program mentorski a zaliczenie 1. rokuOR z tabeli 2 × 2 i z modelu: OR = exp(b)
3wypalenie zawodowe pielęgniareklogit i prawdopodobieństwo dla konkretnej osoby
4stres a problemy ze snemOR dla predyktora ciągłego na 1 i 10 punktów
5kurs online: lekcje a certyfikatwydruk summary(glm), przedział Walda i profilowy
6kurs online: lekcje i praca na etatOR bez kontroli i „przy kontroli”
7kurs online: kto dostanie certyfikattabela klasyfikacji przy progu 0.5 i 0.7
8model ryzyka upadku i kurs onlineAUC z par osób i z krzywej ROC
9kurs online: dopasowanie modelupseudo-R² McFaddena, Coxa i Snella, Nagelkerkego
10kurs online: czy etat coś wnositest ilorazu wiarygodności, EPV

Dane do zadania 2, zadań 5–10 i części (a) zadania 8 możesz pobrać w jednym pliku: regresja-logistyczna-zadania-dane.csv (format długi; 1 = tak, 0 = nie; dane wymyślone).

Model ma postać logit(p) = b0 + b1X1 + …, gdzie p to prawdopodobieństwo wartości 1.

Zadanie 1. Szansa a prawdopodobieństwo

Treść zadania

W poradni terapię przerwało 18 z 60 pacjentów. (a) Oblicz prawdopodobieństwo rezygnacji, szansę i logit. (b) Jakie prawdopodobieństwo odpowiada szansie 1.5, a jakie szansie 3 : 1? (c) W poradni A rezygnuje 10% pacjentów, w poradni B 20%. W poradni C – 60%, w poradni D – 80%. Dla obu par oblicz iloraz prawdopodobieństw i iloraz szans.

Rozwiązanie krok po kroku

Krok 1. p = 18 / 60 = 0.300. Szansa = 18 / 42 = 0.300 / 0.700 = 0.4286 (3 : 7). Logit = ln(0.4286) = −0.847.

Krok 2. Szansa 1.5 daje 1.5 / 2.5 = 0.600, a szansa 3 : 1 daje 3 / 4 = 0.750.

szansa = p / (1 − p);   p = szansa / (1 + szansa);   logit = ln[p / (1 − p)]

Krok 3. Porównanie poradni.

Prawdopodobieństwa, szanse, iloraz prawdopodobieństw i iloraz szans dla dwóch par poradni
Para poradnipSzanseIloraz prawdopodobieństwIloraz szans
A i B0.10 i 0.200.111 i 0.2502.002.25
C i D0.60 i 0.801.500 i 4.0001.332.67
Wykres logitu w funkcji prawdopodobieństwa od 0.02 do 0.98: krzywa w kształcie litery S położonej na boku, przechodząca przez zero przy p = 0.5; zaznaczone punkty p = 0.10 (szansa 0.111, logit −2.20), 0.20 (0.250, −1.39), 0.30 (0.429, −0.85), 0.60 (1.500, 0.41) i 0.80 (4.000, 1.39)
Rysunek 1. Logit zamienia prawdopodobieństwo z przedziału 0–1 na liczby od minus do plus nieskończoności. Obliczenia: R (dane z treści zadania).

Interpretacja

Na 10 osób, które zostają w terapii, przypada ok. 4 rezygnujących. Przy rzadkim zdarzeniu (A–B) iloraz szans jest bliski ilorazowi prawdopodobieństw, przy częstym (C–D) – dużo od niego większy. Zob. iloraz szans.

Typowy błąd

Mówienie „szansa wynosi 30%”. Trzydzieści procent to prawdopodobieństwo; szansa to 0.43 (3 : 7) i może być większa od 1 – przy prawdopodobieństwie 80% wynosi 4.

Zadanie 2. Iloraz szans z tabeli 2 × 2 a współczynnik z modelu

Treść zadania

Na wydziale 60 studentów pierwszego roku wzięło udział w programie mentorskim, a 100 nie. Rok zaliczyło 45 osób z mentorem i 50 bez mentora. (a) Oblicz iloraz szans zaliczenia z 95% przedziałem ufności z tabeli. (b) Do danych dopasowano model logit(p) = b0 + b1 × mentor (mentor: 1 = tak, 0 = nie). Bez dopasowywania modelu podaj b0 i b1, a potem sprawdź je z wydrukiem.

Rozwiązanie krok po kroku

Krok 1. Tabela i szanse. Mentor: 45 zaliczyło, 15 nie – szansa 45 / 15 = 3.000. Bez mentora: 50 i 50 – szansa 1.000.

OR = (45 × 50) / (15 × 50) = 3.000;   SE[ln(OR)] = √(1/45 + 1/15 + 1/50 + 1/50) = 0.359

Krok 2. Przedział. ln(3) = 1.0986, więc 95% CI = exp(1.0986 ± 1.96 × 0.359) = [1.48, 6.06].

Krok 3. Współczynniki modelu. Bez mentora logit = b0 = ln(1.000) = 0. Z mentorem logit = b0 + b1 = ln(3), więc b1 = 1.0986 = ln(OR).

Krok 4. Kontrola w R: wyraz wolny 0.0000, mentor 1.0986 (SE = 0.359, z = 3.06, p = .002) – SE jest identyczny jak SE[ln(OR)] z tabeli.

Interpretacja

Rok zaliczyło 75.0% studentów z mentorem i 50.0% studentów bez mentora; szansa zaliczenia była w grupie z mentorem trzy razy większa, OR = 3.00, 95% CI [1.48, 6.06], p = .002.

Model z jednym predyktorem 0/1 to ten sam iloraz szans co z tabeli, zapisany na skali logarytmu.

Typowy błąd

Interpretacja „z mentorem zalicza trzy razy więcej osób”. Odsetki to 75% i 50%, więc prawdopodobieństwo jest tylko 1.5 raza większe; trzykrotnie większa jest szansa.

Zadanie 3. Z równania na prawdopodobieństwo dla konkretnej osoby

Treść zadania

W badaniu pielęgniarek (dane wymyślone) wypalenie zawodowe (1 = tak) opisano modelem: logit(p) = −3.10 + 0.06 × nadgodziny + 0.90 × zmianowa − 0.45 × wsparcie, gdzie nadgodziny to liczba nadgodzin w miesiącu, zmianowa = 1 przy pracy zmianowej, a wsparcie to ocena wsparcia przełożonego (1–5). Oblicz prawdopodobieństwo wypalenia dla: A – 20 nadgodzin, praca zmianowa, wsparcie 2; B – 40 nadgodzin, praca zmianowa, wsparcie 1. O ile wzrośnie prawdopodobieństwo u A i u B po dodaniu 10 nadgodzin?

Rozwiązanie krok po kroku

Krok 1. Logit. A: −3.10 + 0.06 × 20 + 0.90 × 1 − 0.45 × 2 = −3.10 + 1.20 + 0.90 − 0.90 = −1.90. B: −3.10 + 2.40 + 0.90 − 0.45 = −0.25.

Krok 2. Szansa i prawdopodobieństwo. A: szansa = e−1.90 = 0.150, a prawdopodobieństwo = 0.150 / 1.150 = .130. B: szansa = e−0.25 = 0.779, p = .438.

p = 1 / (1 + e−logit) = 1 / (1 + e1.90) = .130

Krok 3. Dziesięć nadgodzin więcej. OR = exp(10 × 0.06) = 1.822 dla każdego, ale prawdopodobieństwo rośnie różnie: A z .130 do .214 (o 8.4 punktu procentowego), B z .438 do .587 (o 14.9 punktu).

Interpretacja

Pielęgniarka A ma ok. 13% przewidywanego prawdopodobieństwa wypalenia, a pielęgniarka B ok. 44%. Ten sam iloraz szans przekłada się na większą zmianę prawdopodobieństwa, gdy wyjściowe p jest bliżej .50.

Typowy błąd

Wstawienie współczynników do wzoru na prawdopodobieństwo tak, jakby to była regresja liniowa („−3.10 + 1.20 + … = −1.90, więc prawdopodobieństwo jest ujemne”). Wynik równania to logit; prawdopodobieństwo dostajesz dopiero po przeliczeniu.

Zadanie 4. Iloraz szans dla predyktora ciągłego na 1 i na 10 jednostek

Treść zadania

W badaniu studentów (dane wymyślone) problemy ze snem (1 = tak) przewidywano wynikiem skali odczuwanego stresu PSS-10 (0–40 punktów). Z wydruku: b = 0.065, SE = 0.021. Oblicz OR z 95% CI dla wzrostu stresu o 1 punkt i o 10 punktów oraz test Walda.

Rozwiązanie krok po kroku

Krok 1. Jeden punkt. OR = e0.065 = 1.067; 95% CI = exp(0.065 ± 1.96 × 0.021) = [1.02, 1.11].

Krok 2. Dziesięć punktów. Mnożysz współczynnik, a nie iloraz szans:

OR10 = exp(10 × 0.065) = e0.65 = 1.916 = 1.06710;   95% CI = exp(10 × (0.065 ± 1.96 × 0.021)) = [1.27, 2.89]

Krok 3. Test Walda. z = b / SE = 0.065 / 0.021 = 3.10, p = .002. Ten sam test w SPSS ma postać Wald = z² (więcej: test Walda).

Interpretacja

Wyższy poziom stresu wiązał się z większą szansą problemów ze snem, b = 0.065, SE = 0.021, p = .002; wzrost wyniku PSS-10 o 10 punktów odpowiadał OR = 1.92, 95% CI [1.27, 2.89].

OR na 1 punkt wygląda na mały, bo punkt skali 0–40 to niewiele; podaj OR na sensowną jednostkę (10 punktów, 1 SD).

Typowy błąd

Mnożenie procentu przez 10: „1 punkt to +6.7% szans, więc 10 punktów to +67%”. Ilorazy szans się mnożą, a nie dodają – poprawny wynik to +91.6% (OR = 1.916).

Zadanie 5. Odczyt wydruku summary(glm): b, SE, z, p i dwa przedziały dla OR

Treść zadania

W kursie online ze statystyki 60 uczestników; 33 uzyskało certyfikat (1 = tak). Predyktor to liczba lekcji ukończonych w pierwszym tygodniu (0–11). Liczba osób i certyfikatów:

Liczba uczestników i certyfikatów według liczby lekcji ukończonych w pierwszym tygodniu
Lekcje01234567891011
osoby4425541287225
certyfikat010222755225

Wydruk modelu glm(certyfikat ~ lekcje, family = binomial):

            Estimate Std. Error z value Pr(>|z|)
(Intercept)  -2.4060     0.7949  -3.027 0.002472 **
lekcje        0.4691     0.1321   3.551 0.000384 ***
    Null deviance: 82.577  on 59  degrees of freedom
Residual deviance: 63.275  on 58  degrees of freedom
AIC: 67.275

Zinterpretuj współczynnik dla lekcji, oblicz OR z 95% przedziałem Walda i porównaj go z przedziałem z profilu wiarygodności, który R podał jako [1.268, 2.147]. Oblicz prawdopodobieństwo certyfikatu przy 0, 5 i 10 lekcjach.

Rozwiązanie krok po kroku

Krok 1. Kolumny. Estimate to b (skala logitu), Std. Error to SE, z value = 0.469 / 0.132 = 3.55, Pr(>|z|) to p testu Walda (< .001).

Krok 2. OR i przedział Walda. OR = e0.4691 = 1.599. Przedział Walda liczysz jak w zadaniu 4: exp(0.4691 ± 1.96 × 0.1321) = [1.234, 2.071]. Tyle samo daje exp(confint.default(model)).

Krok 3. Przedział profilowy. Funkcja confint(model) liczy przedział z profilu wiarygodności i nie zakłada symetrii wokół b. Tu: [1.268, 2.147] – obie granice przesunięte w górę. Przy dużych próbach oba przedziały prawie się pokrywają, przy małych lepszy jest profilowy (więcej: przedział z profilu wiarygodności).

Krok 4. Prawdopodobieństwa. 0 lekcji: logit = −2.406, p = .083. 5 lekcji: −2.406 + 5 × 0.4691 = −0.061, p = .485. 10 lekcji: 2.285, p = .908.

Interpretacja

Każda dodatkowa lekcja ukończona w pierwszym tygodniu wiązała się z szansą uzyskania certyfikatu większą o 60%, b = 0.47, SE = 0.13, z = 3.55, p < .001, OR = 1.60, 95% CI [1.27, 2.15] (przedział z profilu wiarygodności).

Wyraz wolny to logit dla osoby z zerem lekcji. Dewiancje z dołu wydruku przydadzą się w zadaniach 9 i 10.

Typowy błąd

Podanie w tabeli wartości z kolumny Estimate jako ilorazu szans („OR = 0.47”). Estimate to b; ilorazem szans jest eb = 1.60. Napisz też, którego przedziału używasz.

Zadanie 6. Dwa predyktory: iloraz szans „przy kontroli”

Treść zadania

W tych samych danych 23 uczestników pracowało na pełen etat. Certyfikat uzyskało 8 z 23 pracujących na etat i 25 z 37 pozostałych. Osoby pracujące ukończyły w pierwszym tygodniu średnio 3.65 lekcji, a pozostałe 6.92. Oblicz OR dla etatu z tabeli, a potem zinterpretuj model z dwoma predyktorami:

Współczynniki modelu certyfikat ~ lekcje + etat
PredyktorbSEzpOR95% CI dla OR
wyraz wolny−2.1670.959−2.26.0240.115[0.01, 0.67]
lekcje0.4460.1413.16.0021.563[1.21, 2.13]
etat (1 = tak)−0.2990.677−0.44.6590.742[0.20, 2.91]

Rozwiązanie krok po kroku

Krok 1. OR bez kontroli. Etat: szansa 8 / 15 = 0.533. Bez etatu: 25 / 12 = 2.083. OR = 0.533 / 2.083 = (8 × 12) / (15 × 25) = 0.256. Model z samym etatem daje to samo: b = −1.363, SE = 0.561, p = .015, 95% CI dla OR [0.08, 0.75].

Krok 2. OR przy kontroli lekcji. W modelu z dwoma predyktorami OR dla etatu = e−0.299 = 0.742, p = .659, a przedział [0.20, 2.91] obejmuje 1. Porównujesz teraz osoby z tą samą liczbą lekcji, które różnią się tylko etatem.

Krok 3. Co się stało? Etat wiązał się z mniejszą liczbą lekcji, a lekcje – z certyfikatem, więc w modelu z samym etatem etat „przejmował” efekt lekcji. Czy lekcje są zmienną zakłócającą, czy ogniwem pośrednim, rozstrzyga teoria, nie dane.

Krok 4. Przy 6 lekcjach przewidywane prawdopodobieństwo certyfikatu to .625 bez etatu i .553 z etatem.

Wykres przewidywanego prawdopodobieństwa certyfikatu w zależności od liczby lekcji ukończonych w pierwszym tygodniu (0–11) dla osób bez pracy na etat (niebieska krzywa) i pracujących na pełen etat (czerwona krzywa); obie krzywe rosną w kształcie litery S od ok. 0.1 do ok. 0.9 i leżą blisko siebie, z szerokimi pasami przedziałów ufności; punkty osób przy 0 i 1 – pracujący na etat skupiają się przy małej liczbie lekcji
Rysunek 2. Przy tej samej liczbie lekcji krzywe dla etatu i bez etatu leżą blisko siebie (OR = 0.74). Surowa różnica (35% wobec 68%) wynika głównie z tego, że czerwone punkty leżą po lewej. Obliczenia: R (dane z treści zadania).

Interpretacja

Bez uwzględnienia liczby lekcji praca na pełen etat wiązała się z mniejszą szansą uzyskania certyfikatu, OR = 0.26, 95% CI [0.08, 0.75], p = .015. Przy kontroli liczby lekcji ukończonych w pierwszym tygodniu związek był słaby i nieistotny, OR = 0.74, 95% CI [0.20, 2.91], p = .659, a każda dodatkowa lekcja zwiększała szansę certyfikatu, OR = 1.56, 95% CI [1.21, 2.13], p = .002.

„Przy kontroli” znaczy: przy ustalonej wartości pozostałych predyktorów. Szeroki przedział [0.20, 2.91] nie dowodzi braku efektu etatu.

Typowy błąd

Raportowanie tylko modelu z samym etatem jako „etat zmniejsza szansę certyfikatu o 74%”. To związek surowy, który miesza etat z mniejszą aktywnością na początku kursu.

Zadanie 7. Tabela klasyfikacji przy progu 0.5 i 0.7

Treść zadania

Model z zadania 6 przewiduje certyfikat („tak”), gdy przewidywane p ≥ progu. Przy progu 0.5: prawdziwie dodatnie TP = 28, fałszywie ujemne FN = 5, fałszywie dodatnie FP = 11, prawdziwie ujemne TN = 16. Przy progu 0.7: TP = 17, FN = 16, FP = 5, TN = 22. Oblicz czułość, swoistość i trafność ogólną przy obu progach i porównaj trafność z modelem, który każdemu przewiduje certyfikat.

Rozwiązanie krok po kroku

czułość = TP / (TP + FN);   swoistość = TN / (TN + FP);   trafność = (TP + TN) / N
Czułość, swoistość i trafność ogólna przy progu 0.5 i 0.7
PrógCzułośćSwoistośćTrafność
0.528 / 33 = .84816 / 27 = .59344 / 60 = .733
0.717 / 33 = .51522 / 27 = .81539 / 60 = .650

Model naiwny. Gdyby każdemu przewidzieć certyfikat, trafność wynosiłaby 33 / 60 = .550. Model przy progu 0.5 poprawia ją o 18 punktów procentowych, a przy progu 0.7 – tylko o 10.

Wykres schodkowy czułości (czerwona linia, malejąca), swoistości (niebieska linia, rosnąca) i trafności ogólnej (szara linia, najwyższa ok. 0.73 przy progu 0.5) w zależności od progu klasyfikacji od 0.05 do 0.95; przerywane pionowe linie przy progach 0.5 i 0.7
Rysunek 3. Podnoszenie progu zamienia przeoczenia na fałszywe alarmy i odwrotnie. Obliczenia: R (dane z treści zadania).

Interpretacja

Przy progu 0.5 model rozpoznaje 85% osób, które dostaną certyfikat, ale błędnie wskazuje 11 z 27 pozostałych. Próg 0.7 daje tylko 5 fałszywych wskazań, za to przeocza prawie połowę absolwentów. Wybór progu zależy od kosztu każdej pomyłki. Więcej: czułość i swoistość, punkt odcięcia.

Typowy błąd

Chwalenie modelu za „73% poprawnych klasyfikacji” bez porównania z modelem naiwnym. Przy zdarzeniu występującym u 90% osób model „zawsze tak” ma 90% trafności.

Zadanie 8. AUC policzone z par osób i odczytane z krzywej ROC

Treść zadania

(a) Szpitalny model ryzyka upadku przypisał 4 pacjentom, którzy upadli, prawdopodobieństwa 0.82, 0.64, 0.55 i 0.30, a 5 pacjentom bez upadku – 0.61, 0.40, 0.30, 0.18 i 0.10. Oblicz AUC z par „pacjent z upadkiem – pacjent bez upadku”. (b) Dla modelu z zadania 6 R podał AUC = 0.802, 95% CI [0.694, 0.911]. Zinterpretuj.

Rozwiązanie krok po kroku

Krok 1. Par jest 4 × 5 = 20. Para zgodna (wyższe p u pacjenta z upadkiem) – 1 punkt, remis – 0.5, para niezgodna – 0.

Krok 2. Zliczanie. 0.82 i 0.64 są wyższe od wszystkich pięciu wartości: 5 + 5 = 10. 0.55 przegrywa tylko z 0.61: 4. 0.30 przegrywa z 0.61 i 0.40, remisuje z 0.30 i wygrywa z 0.18 i 0.10: 2 + 0.5 = 2.5. Razem: 16 par zgodnych, 1 remis, 3 pary niezgodne.

AUC = (pary zgodne + 0.5 × remisy) / wszystkie pary = (16 + 0.5) / 20 = 0.825

Funkcja auc() z pakietu pROC daje to samo.

Krok 3. AUC modelu z zadania 6. AUC = 0.802 oznacza, że w 80% par „osoba z certyfikatem – osoba bez” model przypisał wyższe p osobie z certyfikatem. Model z samymi lekcjami ma AUC = 0.800.

Krzywa ROC modelu certyfikat zależny od lekcji i etatu: schodkowa niebieska linia od punktu (0, 0) do (1, 1) wyraźnie nad przekątną; czerwone punkty dla progu 0.5 (1 − swoistość 0.41, czułość 0.85) i progu 0.7 (0.19, 0.52); opis AUC = 0.802, 95% CI [0.694, 0.911]
Rysunek 4. Oba progi z zadania 7 to dwa punkty na krzywej ROC; AUC to pole pod nią. Obliczenia: R (dane z treści zadania).

Interpretacja

Model z liczbą lekcji i pracą na etat dobrze odróżniał osoby, które uzyskały certyfikat, od pozostałych, AUC = .80, 95% CI [.69, .91].

Hanley i McNeil (1982) pokazali, że pole pod krzywą ROC to prawdopodobieństwo, że losowo wybrana osoba ze zdarzeniem dostanie wyższą ocenę niż losowo wybrana osoba bez zdarzenia – to właśnie policzyłeś w części (a). Zob. krzywa ROC i wybór punktu odcięcia krok po kroku.

Typowy błąd

Liczenie AUC na tych samych danych, na których dopasowano model, i podawanie go jako trafności dla nowych osób. Na nowych danych AUC jest zwykle niższe.

Zadanie 9. Pseudo-R² McFaddena, Coxa i Snella oraz Nagelkerkego

Treść zadania

Dla modelu z zadania 6 (N = 60) logarytm wiarygodności modelu pustego (tylko wyraz wolny) wynosi LL0 = −41.288, a modelu z lekcjami i etatem LL1 = −31.541. Oblicz trzy pseudo-R².

Rozwiązanie krok po kroku

Krok 1. McFadden. Porównuje logarytmy wiarygodności wprost:

R²McF = 1 − LL1 / LL0 = 1 − (−31.541) / (−41.288) = 0.236

Krok 2. Cox i Snell. R²CS = 1 − exp[2(LL0 − LL1) / N] = 1 − exp[2 × (−9.747) / 60] = 1 − exp(−0.325) = 0.277.

Krok 3. Nagelkerke. Cox i Snell nie może dojść do 1; jego maksimum to 1 − exp(2LL0 / N) = 1 − exp(−1.376) = 0.747. Nagelkerke dzieli przez to maksimum: 0.277 / 0.747 = 0.371.

Dewiancje to −2LL: D0 = 82.577 i D1 = 63.083.

Interpretacja

Trzy miary dają trzy różne liczby dla tego samego modelu: .24, .28 i .37. Żadna nie jest „odsetkiem wyjaśnionej wariancji” jak w regresji liniowej. Nagelkerke (1991) zaproponował swoją wersję po to, żeby uogólnione R² mogło sięgać 1 także w modelach dla zmiennych dyskretnych. Menard (2000) porównał analogi R² i stwierdził, że jeden z nich jest koncepcyjnie najbliższy R² z regresji liniowej i najmniej zależy od częstości wyniku, a wnioski z pseudo-R² nie muszą się zgadzać z ocenami trafności przewidywań. Podaj, którą miarę liczysz – zob. pseudo-R².

Typowy błąd

Ocena modelu według progów dla R² z regresji liniowej („0.24 to słabe dopasowanie”). Pseudo-R² mają inne skale i zwykle wychodzą niższe niż R² w regresji liniowej, a porównywać wolno tylko tę samą miarę między modelami na tych samych danych.

Zadanie 10. Test ilorazu wiarygodności i liczba zdarzeń na predyktor

Treść zadania

(a) Czy model z lekcjami i etatem (D1 = 63.083) jest lepszy od modelu pustego (D0 = 82.577)? (b) Czy dodanie etatu do modelu z samymi lekcjami (D = 63.275) poprawia dopasowanie? Porównaj wynik z testem Walda dla etatu (z = −0.44). (c) Ile wynosi EPV i ile predyktorów zmieści się w modelu według reguły 10 zdarzeń na predyktor?

Rozwiązanie krok po kroku

Krok 1. Statystyka to różnica dewiancji, df – różnica liczby parametrów:

χ² = D0 − D1 = 82.577 − 63.083 = 19.49;   df = 2;   p < .001

Krok 2. Czy etat coś wnosi? Modele są zagnieżdżone (drugi to pierwszy plus etat): χ² = 63.275 − 63.083 = 0.193, df = 1, p = .661. Test Walda daje prawie to samo: z² = 0.194, p = .659. Kryterium AIC też przemawia za prostszym modelem: 67.28 wobec 69.08.

Krok 3. EPV. Certyfikat uzyskały 33 osoby, a nie uzyskało 27. Liczysz rzadszy wynik: EPV = 27 / 2 predyktory = 13.50. Reguła „co najmniej 10 zdarzeń na predyktor” pozwala tu na najwyżej 27 / 10 = 2 predyktory.

Interpretacja

Model z liczbą lekcji i pracą na etat był lepiej dopasowany niż model pusty, χ²(2) = 19.49, p < .001, R² Nagelkerkego = .37. Dodanie pracy na etat do modelu z liczbą lekcji nie poprawiło dopasowania, χ²(1) = 0.19, p = .661.

Peduzzi i in. (1996) w symulacjach pokazali, że przy EPV poniżej 10 współczynniki bywają obciążone, a przedziały mają złe pokrycie; van Smeden i in. (2016) ocenili jednak dowody na rzecz sztywnej reguły 10 jako słabe – liczy się też całkowita liczebność i ryzyko separacji. Peng i in. (2002) zalecają opisać w raporcie stosunek liczby obserwacji do liczby predyktorów. Zob. test ilorazu wiarygodności, EPV.

Typowy błąd

Liczenie EPV z liczby wszystkich osób (60 / 2 = 30) albo z częstszego wyniku (33 / 2). EPV liczysz z rzadszej kategorii, a predyktor kategorialny o k poziomach zajmuje k − 1 miejsc.

Ściąga: co liczysz w zadaniu z regresji logistycznej

Najpierw ustal, na jakiej skali jest liczba z treści: prawdopodobieństwo, szansa, logit czy iloraz szans.

Ściąga: pytanie w zadaniu, wzór i funkcja R
Pytanie w zadaniuWzórW R
Szansa i logit z prawdopodobieństwap / (1 − p); ln[p / (1 − p)]qlogis(p)
Prawdopodobieństwo z równania1 / (1 + e−logit)plogis(), predict(type = "response")
Iloraz szans z beb; na k jednostek ekbexp(coef())
Przedział dla ORexp(b ± 1.96 × SE) (Wald)confint.default(), confint() (profilowy)
Czy model jest lepszy od pustego / od mniejszegoχ² = różnica dewiancji, df = różnica parametrówanova(m1, m2, test = "LRT")
Jak dobrze model rozróżniaAUC = odsetek par zgodnychpROC::auc()
Jak trafnie klasyfikuje przy danym proguczułość, swoistość, trafnośćtable(p_hat >= prog, y)
„Ile wyjaśnia” modelpseudo-R² z LL0 i LL1logLik()

Do oceny kalibracji modelu służy też test Hosmera–Lemeshowa, a gotową tabelę wyników przygotujesz według wzoru tabeli APA dla regresji logistycznej. Jeśli liczysz w SPSS, zobacz regresję logistyczną w SPSS.

Inne zbiory zadań

Wszystkie zbiory z rozwiązaniami zebraliśmy na stronie zadania ze statystyki z rozwiązaniami. Najbliższe tematycznie:

Jeśli po zaliczeniu przychodzi czas na własny model do pracy dyplomowej, możesz skorzystać z konsultacji analizy statystycznej dla studentów.

Przykład reprodukowalny

Sprawdź wyniki w R: kod i wynik

Dwa przepisy liczą wszystkie liczby z rozwiązań na danych wpisanych w kod (bez losowania). Zadania 1–4 są policzone wzorem, tak jak na kartce, a zadanie 2 dodatkowo modelem glm jako kontrola. Zadania 5–10 korzystają z jednego zbioru 60 osób; wzory (OR, przedział Walda, czułość, AUC z par, pseudo-R², różnica dewiancji) są sprawdzone gotowymi funkcjami. Rysunki i plik CSV powstały w osobnym skrypcie, który wczytuje dane z tych przepisów.

Zadania 1–4: szansa, logit, iloraz szans z tabeli i z modelu, prawdopodobieństwo z równania

Dane wejściowe: liczby z treści zadań 1–4 wpisane w kod; tylko funkcje bazowego R (glm, qnorm, pnorm).

Co odczytać: szanse, logity i ilorazy dla par poradni, OR z tabeli 2 × 2 obok współczynników modelu, logity i prawdopodobieństwa dla pielęgniarek A i B oraz OR na 1 i 10 punktów skali stresu.

R
# B389 – zadania 1–4: szansa a prawdopodobieństwo, OR z tabeli 2 × 2 = exp(b), logit -> prawdopodobieństwo,
# OR dla predyktora ciągłego. Dane wpisane na sztywno – te same co w treści zadań. Tylko bazowy R (stats).
z2 <- function(x) formatC(x, format = "f", digits = 2)
z3 <- function(x) formatC(x, format = "f", digits = 3)
z4 <- function(x) formatC(x, format = "f", digits = 4)
bz <- function(x, d = 3) sub("^(-?)0\\.", "\\1.", formatC(x, format = "f", digits = d))   # bez zera przed kropką
pz <- function(p) if (p < .001) "< .001" else paste("=", bz(p))                            # zapis p w APA
szansa <- function(p) p / (1 - p)
logit <- function(p) log(p / (1 - p))
odwr_logit <- function(l) 1 / (1 + exp(-l))
z <- qnorm(0.975)

# Zadanie 1. Rezygnacja z terapii: 18 z 60 pacjentów przerwało terapię
p1 <- 18 / 60
cat("Zadanie 1\n")
cat("prawd. =", z3(p1), "; szansa = p / (1 - p) =", z4(szansa(p1)), "(= 18 / 42); logit =", z3(logit(p1)), "\n")
cat("Szansa 1.5 -> prawd. = 1.5 / (1 + 1.5) =", z3(1.5 / (1 + 1.5)), "; szansa 3 (3 : 1) -> prawd. =", z3(3 / 4), "\n")
porownaj <- function(pa, pb) {
  cat("prawd.:", z2(pa), "vs", z2(pb), "; szanse:", z3(szansa(pa)), "vs", z3(szansa(pb)),
      "; iloraz prawdopodobieństw =", z2(pb / pa), "; iloraz szans =", z2(szansa(pb) / szansa(pa)), "\n")
}
porownaj(0.10, 0.20)
porownaj(0.60, 0.80)
cat("Symetria logitu: logit(.20) =", z3(logit(0.20)), "; logit(.80) =", z3(logit(0.80)), "\n\n")

# Zadanie 2. Program mentorski a zaliczenie 1. roku: tabela 2 × 2 i model z jednym predyktorem 0/1
a <- 45; b <- 15   # mentor: zaliczył / nie zaliczył (60 osób)
c <- 50; d <- 50   # bez mentora: zaliczył / nie zaliczył (100 osób)
OR <- (a * d) / (b * c)
se_lnOR <- sqrt(1 / a + 1 / b + 1 / c + 1 / d)
cat("Zadanie 2\n")
cat("Szansa zaliczenia: mentor =", z3(a / b), "; bez mentora =", z3(c / d), "\n")
cat("OR = (a × d) / (b × c) =", z3(OR), "; ln(OR) =", z4(log(OR)), "; SE ln(OR) =", z3(se_lnOR),
    "; 95% CI [", z2(exp(log(OR) - z * se_lnOR)), ",", z2(exp(log(OR) + z * se_lnOR)), "]\n")
mentor <- rep(c(1, 1, 0, 0), c(a, b, c, d))
zaliczyl <- rep(c(1, 0, 1, 0), c(a, b, c, d))
m2 <- glm(zaliczyl ~ mentor, family = binomial)
print(round(summary(m2)$coefficients, 4))
cat("exp(b0) = szansa w grupie odniesienia =", z3(exp(coef(m2)[1])), "; exp(b1) = OR =", z3(exp(coef(m2)[2])),
    "; z =", z2(summary(m2)$coefficients[2, 3]), "; p", pz(summary(m2)$coefficients[2, 4]), "\n")
cat("Odsetki zaliczeń: mentor =", z3(a / (a + b)), "; bez mentora =", z3(c / (c + d)),
    "; iloraz odsetków (RR) =", z2((a / (a + b)) / (c / (c + d))), "\n\n")

# Zadanie 3. Model wypalenia zawodowego pielęgniarek (współczynniki podane w treści zadania)
b0 <- -3.10; b_nadg <- 0.06; b_zmian <- 0.90; b_wsp <- -0.45
lp <- function(nadg, zmian, wsp) b0 + b_nadg * nadg + b_zmian * zmian + b_wsp * wsp
cat("Zadanie 3\n")
for (os in list(c(20, 1, 2), c(40, 1, 1), c(0, 0, 4))) {
  l <- lp(os[1], os[2], os[3])
  cat("nadgodziny =", os[1], "; zmianowa =", os[2], "; wsparcie =", os[3], "-> logit =", z2(l),
      "; szansa = exp(logit) =", z3(exp(l)), "; prawd. =", z3(odwr_logit(l)), "\n")
}
cat("+10 nadgodzin: OR =", z3(exp(10 * b_nadg)), "\n")
cat("Osoba A (20 -> 30 nadgodzin): prawd.", z3(odwr_logit(lp(20, 1, 2))), "->", z3(odwr_logit(lp(30, 1, 2))),
    "; osoba B (40 -> 50): prawd.", z3(odwr_logit(lp(40, 1, 1))), "->", z3(odwr_logit(lp(50, 1, 1))), "\n\n")

# Zadanie 4. Stres (PSS-10, 0–40) a problemy ze snem: b = 0.065, SE = 0.021 (z wydruku w treści)
b4 <- 0.065; se4 <- 0.021
cat("Zadanie 4\n")
for (k in c(1, 10)) {
  cat("Wzrost o", k, "pkt: OR = exp(", k, "× b) =", z3(exp(k * b4)), "; 95% CI [", z2(exp(k * (b4 - z * se4))), ",",
      z2(exp(k * (b4 + z * se4))), "]\n")
}
cat("OR na 10 pkt z mnożenia: 1.067^10 =", z3(exp(b4)^10), "; błędnie '10 × 6.7%' =", z2(10 * (exp(b4) - 1) * 100), "%\n")
cat("z = b / SE =", z2(b4 / se4), "; p", pz(2 * pnorm(-abs(b4 / se4))), "\n")
Wynik w R
Zadanie 1
prawd. = 0.300 ; szansa = p / (1 - p) = 0.4286 (= 18 / 42); logit = -0.847 
Szansa 1.5 -> prawd. = 1.5 / (1 + 1.5) = 0.600 ; szansa 3 (3 : 1) -> prawd. = 0.750 
prawd.: 0.10 vs 0.20 ; szanse: 0.111 vs 0.250 ; iloraz prawdopodobieństw = 2.00 ; iloraz szans = 2.25 
prawd.: 0.60 vs 0.80 ; szanse: 1.500 vs 4.000 ; iloraz prawdopodobieństw = 1.33 ; iloraz szans = 2.67 
Symetria logitu: logit(.20) = -1.386 ; logit(.80) = 1.386 

Zadanie 2
Szansa zaliczenia: mentor = 3.000 ; bez mentora = 1.000 
OR = (a × d) / (b × c) = 3.000 ; ln(OR) = 1.0986 ; SE ln(OR) = 0.359 ; 95% CI [ 1.48 , 6.06 ]
            Estimate Std. Error z value Pr(>|z|)
(Intercept)   0.0000      0.200  0.0000   1.0000
mentor        1.0986      0.359  3.0601   0.0022
exp(b0) = szansa w grupie odniesienia = 1.000 ; exp(b1) = OR = 3.000 ; z = 3.06 ; p = .002 
Odsetki zaliczeń: mentor = 0.750 ; bez mentora = 0.500 ; iloraz odsetków (RR) = 1.50 

Zadanie 3
nadgodziny = 20 ; zmianowa = 1 ; wsparcie = 2 -> logit = -1.90 ; szansa = exp(logit) = 0.150 ; prawd. = 0.130 
nadgodziny = 40 ; zmianowa = 1 ; wsparcie = 1 -> logit = -0.25 ; szansa = exp(logit) = 0.779 ; prawd. = 0.438 
nadgodziny = 0 ; zmianowa = 0 ; wsparcie = 4 -> logit = -4.90 ; szansa = exp(logit) = 0.007 ; prawd. = 0.007 
+10 nadgodzin: OR = 1.822 
Osoba A (20 -> 30 nadgodzin): prawd. 0.130 -> 0.214 ; osoba B (40 -> 50): prawd. 0.438 -> 0.587 

Zadanie 4
Wzrost o 1 pkt: OR = exp( 1 × b) = 1.067 ; 95% CI [ 1.02 , 1.11 ]
Wzrost o 10 pkt: OR = exp( 10 × b) = 1.916 ; 95% CI [ 1.27 , 2.89 ]
OR na 10 pkt z mnożenia: 1.067^10 = 1.916 ; błędnie '10 × 6.7%' = 67.16 %
z = b / SE = 3.10 ; p = .002 

Zadania 5–10: wydruk glm, dwa predyktory, klasyfikacja, AUC, pseudo-R² i test ilorazu wiarygodności

Dane wejściowe: 60 uczestników kursu online (lekcje, etat, certyfikat) i 9 pacjentów z zadania 8 wpisanych w kod; funkcje bazowego R (glm, confint, confint.default, logLik, anova) i pakietu pROC (roc, auc, ci.auc).

Co odczytać: pełny wydruk summary(glm), przedział Walda i profilowy dla OR, tabele współczynników modelu z etatem i z dwoma predyktorami, tabelę klasyfikacji przy dwóch progach, macierz par do AUC, trzy pseudo-R², test ilorazu wiarygodności, AIC i EPV.

R
# B389 – zadania 5–10: wydruk summary(glm), dwa predyktory, tabela klasyfikacji, AUC, pseudo-R², test ilorazu
# wiarygodności i EPV. Dane wpisane na sztywno – te same co w treści zadań. Bazowy R (stats) i pakiet pROC.
suppressPackageStartupMessages(library(pROC))
z2 <- function(x) formatC(x, format = "f", digits = 2)
z3 <- function(x) formatC(x, format = "f", digits = 3)
bz <- function(x, d = 3) sub("^(-?)0\\.", "\\1.", formatC(x, format = "f", digits = d))
pz <- function(p) if (p < .001) "< .001" else paste("=", bz(p))

# 60 uczestników kursu online: lekcje ukończone w 1. tygodniu (0–11), praca na pełen etat (1 = tak),
# certyfikat ukończenia kursu (1 = tak)
lekcje <- c(2, 2, 3, 3, 4, 4, 5, 5, 5, 6, 6, 6, 6, 6, 6, 6, 6, 7, 7, 7, 7, 7, 7, 8, 8, 8, 8, 8, 9, 9, 10, 10,
            11, 11, 11, 11, 11, 0, 0, 0, 0, 1, 1, 1, 1, 3, 3, 3, 4, 4, 4, 5, 6, 6, 6, 6, 7, 7, 8, 8)
etat <- rep(c(0, 1), c(37, 23))
certyfikat <- c(0, 0, 0, 1, 0, 1, 0, 1, 1, 0, 0, 0, 1, 1, 1, 1, 1, 0, 0, 0, 1, 1, 1, 0, 1, 1, 1, 1, 1, 1, 1, 1,
                1, 1, 1, 1, 1, 0, 0, 0, 0, 0, 0, 0, 1, 0, 0, 1, 0, 0, 1, 0, 0, 0, 1, 1, 1, 1, 0, 1)
cat("N =", length(certyfikat), "; certyfikat:", sum(certyfikat), "; bez certyfikatu:", sum(1 - certyfikat),
    "; etat:", sum(etat), "\n")
cat("Odsetek z certyfikatem: bez etatu =", z3(mean(certyfikat[etat == 0])), "; etat =", z3(mean(certyfikat[etat == 1])),
    "; średnia lekcji: bez etatu =", z2(mean(lekcje[etat == 0])), "; etat =", z2(mean(lekcje[etat == 1])), "\n\n")

# Zadanie 5. Jeden predyktor ciągły: odczyt wydruku i dwa rodzaje przedziałów ufności
m0 <- glm(certyfikat ~ 1, family = binomial)
m1 <- glm(certyfikat ~ lekcje, family = binomial)
cat("Zadanie 5\n")
print(summary(m1))
k1 <- summary(m1)$coefficients
cat("z = b / SE =", z3(k1[2, 1]), "/", z3(k1[2, 2]), "=", z2(k1[2, 1] / k1[2, 2]), "; p", pz(k1[2, 4]), "(dokładnie", format.pval(k1[2, 4], digits = 3), ")\n")
cat("OR = exp(b) =", z3(exp(k1[2, 1])), "\n")
cat("95% CI Walda dla OR (confint.default):", z3(exp(confint.default(m1)[2, ])), "\n")
cat("95% CI z profilu wiarygodności dla OR (confint):", z3(exp(suppressMessages(confint(m1))[2, ])), "\n")
cat("Wald ręcznie: exp(b ± 1.96 × SE) =", z3(exp(k1[2, 1] + c(-1, 1) * qnorm(0.975) * k1[2, 2])), "\n")
cat("prawd. dla 0 lekcji =", z3(plogis(coef(m1)[1])), "; dla 5 lekcji =", z3(plogis(sum(coef(m1) * c(1, 5)))),
    "; dla 10 lekcji =", z3(plogis(sum(coef(m1) * c(1, 10)))), "\n\n")

# Zadanie 6. Dwa predyktory: OR dla etatu bez kontroli i przy kontroli liczby lekcji
m_etat <- glm(certyfikat ~ etat, family = binomial)
m2 <- glm(certyfikat ~ lekcje + etat, family = binomial)
cat("Zadanie 6\n")
tab6 <- table(etat = etat, certyfikat = certyfikat); print(tab6)
cat("OR etatu z tabeli =", z3((tab6[2, 2] * tab6[1, 1]) / (tab6[2, 1] * tab6[1, 2])), "\n")
pokaz <- function(m) {
  k <- summary(m)$coefficients; ci <- exp(suppressMessages(confint(m)))
  print(data.frame(b = round(k[, 1], 3), SE = round(k[, 2], 3), z = round(k[, 3], 2), p = round(k[, 4], 3),
                   OR = round(exp(k[, 1]), 3), CI_dolna = round(ci[, 1], 2), CI_gorna = round(ci[, 2], 2)))
}
cat("Model tylko z etatem:\n"); pokaz(m_etat)
cat("Model z lekcjami i etatem:\n"); pokaz(m2)
cat("prawd. dla 6 lekcji: bez etatu =", z3(predict(m2, data.frame(lekcje = 6, etat = 0), type = "response")),
    "; etat =", z3(predict(m2, data.frame(lekcje = 6, etat = 1), type = "response")), "\n\n")

# Zadanie 7. Tabela klasyfikacji modelu z zadania 6 przy progu 0.5 i 0.7
p_hat <- fitted(m2)
klasyfikacja <- function(prog) {
  przew <- as.integer(p_hat >= prog)
  TP <- sum(przew == 1 & certyfikat == 1); FN <- sum(przew == 0 & certyfikat == 1)
  FP <- sum(przew == 1 & certyfikat == 0); TN <- sum(przew == 0 & certyfikat == 0)
  data.frame(prog, TP, FN, FP, TN, czulosc = round(TP / (TP + FN), 3), swoistosc = round(TN / (TN + FP), 3),
             trafnosc = round((TP + TN) / length(certyfikat), 3))
}
cat("Zadanie 7\n")
print(rbind(klasyfikacja(0.5), klasyfikacja(0.7)), row.names = FALSE)
cat("Model 'wszyscy dostaną certyfikat': trafność =", z3(mean(certyfikat)), "\n\n")

# Zadanie 8. AUC ręcznie (model ryzyka upadku, 4 pacjentów z upadkiem i 5 bez) i AUC modelu z zadania 6
p_upadek <- c(0.82, 0.64, 0.55, 0.30)
p_bez <- c(0.61, 0.40, 0.30, 0.18, 0.10)
pary <- outer(p_upadek, p_bez, function(x, y) ifelse(x > y, 1, ifelse(x == y, 0.5, 0)))
cat("Zadanie 8\n")
dimnames(pary) <- list(upadek = p_upadek, bez_upadku = p_bez); print(pary)
cat("Pary zgodne =", sum(pary == 1), "; remisy =", sum(pary == 0.5), "; niezgodne =", sum(pary == 0),
    "; AUC = (zgodne + 0.5 × remisy) / pary =", sum(pary), "/", length(pary), "=", z3(sum(pary) / length(pary)), "\n")
cat("Kontrola pROC: AUC =", z3(as.numeric(auc(c(rep(1, 4), rep(0, 5)), c(p_upadek, p_bez), quiet = TRUE))), "\n")
roc6 <- roc(certyfikat, p_hat, quiet = TRUE)
cat("AUC modelu z zadania 6 =", z3(as.numeric(auc(roc6))), "; 95% CI (DeLong) [", z3(ci.auc(roc6)[1]), ",", z3(ci.auc(roc6)[3]), "]\n")
cat("AUC modelu tylko z lekcjami =", z3(as.numeric(auc(roc(certyfikat, fitted(m1), quiet = TRUE)))), "\n\n")

# Zadanie 9. Pseudo-R² modelu z zadania 6 z logarytmów wiarygodności
n <- length(certyfikat)
LL0 <- as.numeric(logLik(m0)); LL2 <- as.numeric(logLik(m2))
mcf <- 1 - LL2 / LL0
cs <- 1 - exp(2 * (LL0 - LL2) / n)
nag <- cs / (1 - exp(2 * LL0 / n))
cat("Zadanie 9\n")
cat("LL0 =", z3(LL0), "; LL1 =", z3(LL2), "; dewiancje: D0 =", z3(-2 * LL0), "; D1 =", z3(-2 * LL2), "\n")
cat("McFadden = 1 - LL1 / LL0 =", z3(mcf), "\n")
cat("Cox i Snell = 1 - exp(2(LL0 - LL1) / n) =", z3(cs), "; maksimum Coxa i Snella =", z3(1 - exp(2 * LL0 / n)), "\n")
cat("Nagelkerke = Cox i Snell / maksimum =", z3(nag), "\n")
cat("Tjur (różnica średnich p_hat) =", z3(mean(p_hat[certyfikat == 1]) - mean(p_hat[certyfikat == 0])), "\n\n")

# Zadanie 10. Test ilorazu wiarygodności i liczba zdarzeń na predyktor (EPV)
cat("Zadanie 10\n")
LL1 <- as.numeric(logLik(m1))
G_01 <- -2 * (LL0 - LL2)
cat("Model 0 vs model z lekcjami i etatem: chi^2 = D0 - D1 =", z2(G_01), "; df = 2 ; p", pz(pchisq(G_01, 2, lower.tail = FALSE)), "\n")
G_12 <- -2 * (LL1 - LL2)
cat("Model z lekcjami vs + etat: D =", z3(-2 * LL1), "vs", z3(-2 * LL2), "; chi^2 =", z3(G_12), "; df = 1 ; p =",
    bz(pchisq(G_12, 1, lower.tail = FALSE)), "\n")
print(anova(m1, m2, test = "LRT"))
cat("Dla porównania test Walda dla etatu w modelu 2: z^2 =", z3(summary(m2)$coefficients[3, 3]^2), "; p =",
    bz(summary(m2)$coefficients[3, 4]), "\n")
cat("AIC: model z lekcjami =", z2(AIC(m1)), "; z lekcjami i etatem =", z2(AIC(m2)), "\n")
mniej <- min(sum(certyfikat), sum(1 - certyfikat))
cat("EPV = liczba rzadszego wyniku / liczba parametrów predyktorów =", mniej, "/ 2 =", z2(mniej / 2),
    "; przy regule 10 EPV maksymalnie", floor(mniej / 10), "predyktory\n")
Wynik w R
N = 60 ; certyfikat: 33 ; bez certyfikatu: 27 ; etat: 23 
Odsetek z certyfikatem: bez etatu = 0.676 ; etat = 0.348 ; średnia lekcji: bez etatu = 6.92 ; etat = 3.65 

Zadanie 5

Call:
glm(formula = certyfikat ~ lekcje, family = binomial)

Coefficients:
            Estimate Std. Error z value Pr(>|z|)    
(Intercept)  -2.4060     0.7949  -3.027 0.002472 ** 
lekcje        0.4691     0.1321   3.551 0.000384 ***
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

(Dispersion parameter for binomial family taken to be 1)

    Null deviance: 82.577  on 59  degrees of freedom
Residual deviance: 63.275  on 58  degrees of freedom
AIC: 67.275

Number of Fisher Scoring iterations: 4

z = b / SE = 0.469 / 0.132 = 3.55 ; p < .001 (dokładnie 0.000384 )
OR = exp(b) = 1.599 
95% CI Walda dla OR (confint.default): 1.234 2.071 
95% CI z profilu wiarygodności dla OR (confint): 1.268 2.147 
Wald ręcznie: exp(b ± 1.96 × SE) = 1.234 2.071 
prawd. dla 0 lekcji = 0.083 ; dla 5 lekcji = 0.485 ; dla 10 lekcji = 0.908 

Zadanie 6
    certyfikat
etat  0  1
   0 12 25
   1 15  8
OR etatu z tabeli = 0.256 
Model tylko z etatem:
                 b    SE     z     p    OR CI_dolna CI_gorna
(Intercept)  0.734 0.351  2.09 0.037 2.083     1.07     4.30
etat        -1.363 0.561 -2.43 0.015 0.256     0.08     0.75
Model z lekcjami i etatem:
                 b    SE     z     p    OR CI_dolna CI_gorna
(Intercept) -2.167 0.959 -2.26 0.024 0.115     0.01     0.67
lekcje       0.446 0.141  3.16 0.002 1.563     1.21     2.13
etat        -0.299 0.677 -0.44 0.659 0.742     0.20     2.91
prawd. dla 6 lekcji: bez etatu = 0.625 ; etat = 0.553 

Zadanie 7
 prog TP FN FP TN czulosc swoistosc trafnosc
  0.5 28  5 11 16   0.848     0.593    0.733
  0.7 17 16  5 22   0.515     0.815    0.650
Model 'wszyscy dostaną certyfikat': trafność = 0.550 

Zadanie 8
      bez_upadku
upadek 0.61 0.4 0.3 0.18 0.1
  0.82    1   1 1.0    1   1
  0.64    1   1 1.0    1   1
  0.55    0   1 1.0    1   1
  0.3     0   0 0.5    1   1
Pary zgodne = 16 ; remisy = 1 ; niezgodne = 3 ; AUC = (zgodne + 0.5 × remisy) / pary = 16.5 / 20 = 0.825 
Kontrola pROC: AUC = 0.825 
AUC modelu z zadania 6 = 0.802 ; 95% CI (DeLong) [ 0.694 , 0.911 ]
AUC modelu tylko z lekcjami = 0.800 

Zadanie 9
LL0 = -41.288 ; LL1 = -31.541 ; dewiancje: D0 = 82.577 ; D1 = 63.083 
McFadden = 1 - LL1 / LL0 = 0.236 
Cox i Snell = 1 - exp(2(LL0 - LL1) / n) = 0.277 ; maksimum Coxa i Snella = 0.747 
Nagelkerke = Cox i Snell / maksimum = 0.371 
Tjur (różnica średnich p_hat) = 0.284 

Zadanie 10
Model 0 vs model z lekcjami i etatem: chi^2 = D0 - D1 = 19.49 ; df = 2 ; p < .001 
Model z lekcjami vs + etat: D = 63.275 vs 63.083 ; chi^2 = 0.193 ; df = 1 ; p = .661 
Analysis of Deviance Table

Model 1: certyfikat ~ lekcje
Model 2: certyfikat ~ lekcje + etat
  Resid. Df Resid. Dev Df Deviance Pr(>Chi)
1        58     63.275                     
2        57     63.083  1  0.19268   0.6607
Dla porównania test Walda dla etatu w modelu 2: z^2 = 0.194 ; p = .659 
AIC: model z lekcjami = 67.28 ; z lekcjami i etatem = 69.08 
EPV = liczba rzadszego wyniku / liczba parametrów predyktorów = 27 / 2 = 13.50 ; przy regule 10 EPV maksymalnie 2 predyktory

Bibliografia oprogramowania

Wyniki na tej stronie pochodzą z uruchomienia pokazanego kodu w R 4.5.3 (funkcje pakietów base i stats oraz pakietu pROC); rysunki przygotowano w pakietach ggplot2, svglite i magick. W pracy podaj wersje faktycznie użytych pakietów (sessionInfo()).

  1. R: R Core Team. (2026). R: A language and environment for statistical computing (Version 4.5.3) [Computer software]. R Foundation for Statistical Computing. https://www.R-project.org/
  2. pROC (wersja 1.19.0.1): Robin, X., Turck, N., Hainard, A., Tiberti, N., Lisacek, F., Sanchez, J.-C., & Müller, M. (2011). pROC: An open-source package for R and S+ to analyze and compare ROC curves. BMC Bioinformatics, 12, 77. https://doi.org/10.1186/1471-2105-12-77
  3. ggplot2 (wersja 4.0.2): Wickham, H. (2016). ggplot2: Elegant graphics for data analysis. Springer. https://ggplot2.tidyverse.org
  4. svglite (wersja 2.2.2): Wickham, H., Henry, L., Pedersen, T. L., Luciani, T. J., Decorde, M., & Lise, V. (2025). svglite: An ‘SVG’ graphics device [R package]. https://doi.org/10.32614/CRAN.package.svglite
  5. magick (wersja 2.9.1): Ooms, J. (2026). magick: Advanced graphics and image-processing in R [R package]. https://doi.org/10.32614/CRAN.package.magick

Najczęstsze pytania

Jakie zadania z regresji logistycznej pojawiają się na kolokwium?

Najczęściej: przeliczenie prawdopodobieństwa na szansę i logit, iloraz szans z tabeli 2 × 2 i z współczynnika b (OR = exp(b)), obliczenie prawdopodobieństwa dla osoby o podanych cechach, odczyt tabeli współczynników (b, SE, z, p, przedział dla OR), interpretacja „przy kontroli” drugiej zmiennej, tabela klasyfikacji z czułością i swoistością, AUC, pseudo-R² i test ilorazu wiarygodności. Zakres zależy od przedmiotu, więc porównaj go z sylabusem.

Jak policzyć przewidywane prawdopodobieństwo, mając tylko współczynniki z tabeli regresji logistycznej?

Wstaw wartości predyktorów do równania, żeby dostać logit, a potem przelicz go wzorem p = 1 / (1 + e−logit). W zadaniu 3 pielęgniarka z 20 nadgodzinami, pracą zmianową i wsparciem 2 ma logit −3.10 + 0.06 × 20 + 0.90 − 0.45 × 2 = −1.90, czyli p = .130. Nie dodawaj ilorazów szans do prawdopodobieństwa – liczysz zawsze przez logit.

Dlaczego predyktor istotny w modelu z jedną zmienną przestaje być istotny po dodaniu drugiej?

Bo wcześniej przejmował efekt zmiennej, z którą jest powiązany. W zadaniu 6 osoby pracujące na etat ukończyły mniej lekcji (średnio 3.65 wobec 6.92), więc sam etat miał OR = 0.26, p = .015, a przy kontroli liczby lekcji OR = 0.74, p = .659. Dlatego w pracy podaj oba modele albo wyjaśnij, które zmienne kontrolowałeś i dlaczego.

Jaki próg klasyfikacji wybrać w regresji logistycznej, jeśli nie 0.5?

Próg 0.5 jest tylko domyślny. Wyższy próg zwiększa swoistość i zmniejsza czułość (w zadaniu 7: przy 0.5 czułość .848 i swoistość .593, przy 0.7 – .515 i .815). Próg wybierasz według kosztu pomyłek: gdy przeoczenie jest groźniejsze niż fałszywy alarm, wybierz niższy; punkt na krzywej ROC możesz też wskazać indeksem Youdena. Samą jakość modelu oceniaj AUC, które od progu nie zależy.

Jak przeliczyć iloraz szans z jednej jednostki na 10 jednostek predyktora?

Pomnóż współczynnik b przez 10 i dopiero wtedy policz exp, czyli OR10 = exp(10 × b) = OR10. Granice przedziału liczysz tak samo: exp(10 × (b ± 1.96 × SE)). W zadaniu 4 OR = 1.067 na 1 punkt skali stresu daje OR = 1.92, 95% CI [1.27, 2.89] na 10 punktów, a nie „67% większe szanse”.

Powiązane hasła

Przeczytaj też

Masz w pracy regresję logistyczną i nie wiesz, jak opisać wyniki?

Pomożemy zbudować model do Twoich hipotez, sprawdzimy obliczenia w R lub SPSS i wyjaśnimy ilorazy szans tak, żebyś umiał(a) samodzielnie je opisać i obronić.

Oferta dla studentówWyceń analizę

Bibliografia i dalsza literatura naukowa (APA 7)

  1. Field, A. (2018). Discovering statistics using IBM SPSS Statistics (5th ed.). SAGE.
  2. Hanley, J. A., & McNeil, B. J. (1982). The meaning and use of the area under a receiver operating characteristic (ROC) curve. Radiology, 143(1), 29–36. https://doi.org/10.1148/radiology.143.1.7063747
  3. Menard, S. (2000). Coefficients of determination for multiple logistic regression analysis. The American Statistician, 54(1), 17–24. https://doi.org/10.1080/00031305.2000.10474502
  4. Nagelkerke, N. J. D. (1991). A note on a general definition of the coefficient of determination. Biometrika, 78(3), 691–692. https://doi.org/10.1093/biomet/78.3.691
  5. Peduzzi, P., Concato, J., Kemper, E., Holford, T. R., & Feinstein, A. R. (1996). A simulation study of the number of events per variable in logistic regression analysis. Journal of Clinical Epidemiology, 49(12), 1373–1379. https://doi.org/10.1016/s0895-4356(96)00236-3 ● Otwarty dostęp
  6. Peng, C.-Y. J., Lee, K. L., & Ingersoll, G. M. (2002). An introduction to logistic regression analysis and reporting. The Journal of Educational Research, 96(1), 3–14. https://doi.org/10.1080/00220670209598786
  7. van Smeden, M., de Groot, J. A. H., Moons, K. G. M., Collins, G. S., Altman, D. G., Eijkemans, M. J. C., & Reitsma, J. B. (2016). No rationale for 1 variable per 10 events criterion for binary logistic regression analysis. BMC Medical Research Methodology, 16(1), Article 163. https://doi.org/10.1186/s12874-016-0267-3 ● Otwarty dostęp

Cytowania BibTeX

@book{field2018discovering, author={Field, Andy}, title={{Discovering statistics using IBM SPSS Statistics}}, year={2018}, edition={5th}, publisher={SAGE}}
@article{hanley1982meaning, author={Hanley, James A. and McNeil, Barbara J.}, title={{The meaning and use of the area under a receiver operating characteristic (ROC) curve}}, journal={Radiology}, year={1982}, volume={143}, number={1}, pages={29--36}, doi={10.1148/radiology.143.1.7063747}}
@article{menard2000coefficients, author={Menard, Scott}, title={{Coefficients of determination for multiple logistic regression analysis}}, journal={The American Statistician}, year={2000}, volume={54}, number={1}, pages={17--24}, doi={10.1080/00031305.2000.10474502}}
@article{nagelkerke1991note, author={Nagelkerke, N. J. D.}, title={{A note on a general definition of the coefficient of determination}}, journal={Biometrika}, year={1991}, volume={78}, number={3}, pages={691--692}, doi={10.1093/biomet/78.3.691}}
@article{peduzzi1996simulation, author={Peduzzi, Peter and Concato, John and Kemper, Elizabeth and Holford, Theodore R. and Feinstein, Alvan R.}, title={{A simulation study of the number of events per variable in logistic regression analysis}}, journal={Journal of Clinical Epidemiology}, year={1996}, volume={49}, number={12}, pages={1373--1379}, doi={10.1016/s0895-4356(96)00236-3}}
@article{peng2002introduction, author={Peng, Chao-Ying Joanne and Lee, Kuk Lida and Ingersoll, Gary M.}, title={{An introduction to logistic regression analysis and reporting}}, journal={The Journal of Educational Research}, year={2002}, volume={96}, number={1}, pages={3--14}, doi={10.1080/00220670209598786}}
@article{vansmeden2016no, author={van Smeden, Maarten and de Groot, Joris A. H. and Moons, Karel G. M. and Collins, Gary S. and Altman, Douglas G. and Eijkemans, Marinus J. C. and Reitsma, Johannes B.}, title={{No rationale for 1 variable per 10 events criterion for binary logistic regression analysis}}, journal={BMC Medical Research Methodology}, year={2016}, volume={16}, number={1}, eid={163}, doi={10.1186/s12874-016-0267-3}}
R