ทำความเข้าใจผลลัพธ์จาก logistic regression

Generalized Linear Models ใน R

Richard Erickson

Instructor

การสื่อสารผลลัพธ์จาก logistic regression?

Linear regression เข้าใจง่าย:
- บวก intercept
- คูณ slope
Poisson regression:
- ต้องแปลงด้วย exponential
- หลังแปลงแล้วคล้าย linear regression
Logistic regression???

เหรียญที่ไม่ยุติธรรม:
- เปรียบเทียบหัวกับก้อย
- หัวออก 3 ครั้งต่อก้อย 1 ครั้ง
- อัตราต่อรอง 3 ต่อ 1
- Odds-ratio คือ 3.0
มักใช้ในกีฬา/การพนัน
และการศึกษาทางการแพทย์

Log-odds ("logit"):

$\phi(x) = \text{ln}(\frac{p(x)}{1 - p(x)}) = \beta_0 + \beta_1 x$

Odds นำ exponential ($e^{x}$):

$\frac{p(x)}{1 - p(x)} = e^{\beta_0 + \beta_1x}$

Odds-ratio (OR) สำหรับตัวแปรต่อเนื่อง:

$\text{OR} = \frac{e^{\beta_0 + \beta_1(x +1)}}{e^{\beta_0 + \beta_1x}} = e^{\beta_1}$

ค่า OR:

ชายไม่สูบบุหรี่เทียบกับสูบบุหรี่ (Pesch et al. 2012)

glm_out <- glm(y ~ x, family = 'binomial')

coef(glm_out)

exp(coef(glm_out))

confint(glm_out)

exp(confint(glm_out))

library(broom)

glm_out <- glm(y ~ x, family = 'binomial')

tidy(glm_out, exponentiate = TRUE, conf.int= TRUE)

Generalized Linear Models ใน R