Métodos gráficos para evaluar modelos de regresión logística

análisis de regresión logística es un tipo de regresión en la que el resultado o variable dependiente , es una medida que sólo puede tener uno de dos resultados - sí o no , ocurrencia o no -ocurrencia . Los investigadores utilizan la regresión logística para evaluar la probabilidad de que algo suceda . Es importante evaluar la eficacia de un modelo de regresión a los datos reales en un estudio . Debido a que una medida estadística no evaluar adecuadamente el ajuste de un modelo logístico , métodos gráficos proporcionan una alternativa . Evaluar
Fit

La evaluación del ajuste de un modelo de regresión es preguntar hasta qué punto los datos reales coinciden con las relaciones o predicciones especificados en una ecuación de regresión . Para la mayoría de las ecuaciones de regresión , R - cuadrado proporciona una medida adecuada de ajuste . Sin embargo , debido a que la variable dependiente en la regresión logística puede tomar solamente los valores de cero o 1 , su valor puede ser muy diferente para algún rango de una variable independiente . Por lo tanto , R - cuadrado puede ser una medida fiable del ajuste para una ecuación logística .
Métodos gráficos

Debido a la falta de fiabilidad del R - cuadrado como medida de ajuste para logística regresión, algunos estadistas y eruditos proponen el uso de métodos gráficos como una alternativa. Existen diferentes métodos gráficos para evaluar el ajuste de un modelo de regresión , pero en general, ¿cómo de cerca la línea de regresión - formado a partir de las puntuaciones previstas en el modelo - viene a resumir las puntuaciones reales observados determina la idoneidad del modelo. Cuanto mejor sea el ajuste , más apropiado el modelo o ecuación para el estudio en cuestión .
Regresión logística es un procedimiento especializado , que requiere el uso de software estadístico , como SPSS , SAS o Stata . Programas de hojas de cálculo como Excel no están diseñados para la regresión logística .
Gráfico de valores residuales

Un método gráfico común para evaluar el ajuste de un modelo de regresión es una parcela de los residuos , o la diferencia entre los valores observados y los predichos . Los residuos aparecen como puntos individuales en el gráfico, con los ejes verticales y horizontales representan los valores de las variables dependientes e independientes , respectivamente. Si los residuales parecen independientes de los predictores o variables independientes , entonces un modelo determinado es adecuado . Cualquier patrones sistemáticos en la gráfica de los residuos reales sugerir una dependencia de las variables independientes , lo que hace un modelo inadecuado para su uso .
Parcelas residuales , sin embargo , tienen limitaciones en la regresión logística debido a la naturaleza dicotómica de la variable dependiente . Esto hace que el gráfico de residuos difíciles de interpretar .
Marginal Modelo Parcela en venta

Una alternativa más fiable a la parcela residual es la trama modelo marginal , o MMP . La trama representa dos curvas , con una representación de los valores pronosticados y los otros que representan los valores reales observados . Al igual que con la trama residual , el eje vertical representa los valores de la variable dependiente ( 1 o cero en la regresión logística ) , mientras que el eje horizontal representa los valores de los predictores. Si las dos curvas coinciden estrechamente , entonces el modelo de regresión logística en cuestión se considera adecuada . A diferencia de la mayoría de las formas de regresión , en el que la línea de regresión es recta , la línea de regresión logística tiene una curva .