{"id":4494,"date":"2023-07-10T16:08:37","date_gmt":"2023-07-10T16:08:37","guid":{"rendered":"https:\/\/statorials.org\/de\/interpretieren-sie-die-logistische-regression-am-ursprung\/"},"modified":"2023-07-10T16:08:37","modified_gmt":"2023-07-10T16:08:37","slug":"interpretieren-sie-die-logistische-regression-am-ursprung","status":"publish","type":"post","link":"https:\/\/statorials.org\/de\/interpretieren-sie-die-logistische-regression-am-ursprung\/","title":{"rendered":"So interpretieren sie den schnittpunkt der logistischen regression (mit beispiel)"},"content":{"rendered":"

<\/p>\n

\n

Die logistische Regression<\/a> ist eine Methode, mit der wir ein Regressionsmodell anpassen k\u00f6nnen, wenn die Antwortvariable<\/a> bin\u00e4r ist.<\/span><\/p>\n

Wenn wir ein logistisches Regressionsmodell anpassen, stellt der urspr\u00fcngliche Term in der Modellausgabe die logarithmischen Wahrscheinlichkeiten der Antwortvariablen dar, die auftritt,<\/strong> wenn alle Pr\u00e4diktorvariablen gleich Null sind.<\/span><\/p>\n

Da logarithmische Wahrscheinlichkeiten jedoch schwer zu interpretieren sind, fassen wir den Achsenabschnitt im Allgemeinen anhand der Wahrscheinlichkeit zusammen.<\/span><\/p>\n

Wir k\u00f6nnen die folgende Formel verwenden, um die Wahrscheinlichkeit des Auftretens der Antwortvariablen zu verstehen, vorausgesetzt, dass jede Pr\u00e4diktorvariable im Modell Null ist:<\/span><\/p>\n

 P = e \u03b2 0<\/sub><\/sup> \/ (1 +e \u03b2 0<\/sub><\/sup> )\n<\/strong><\/pre>\n
 Das folgende Beispiel zeigt, wie ein logistischer Regressionsabschnitt in der Praxis interpretiert wird.
<\/span><\/p>\n
 Beispiel: So interpretieren Sie den Schnittpunkt der logistischen Regression<\/strong><\/span><\/h2>\n
 Angenommen, wir m\u00f6chten ein logistisches Regressionsmodell anhand des Geschlechts<\/strong> und der Anzahl der abgelegten \u00dcbungspr\u00fcfungen<\/strong> anpassen, um vorherzusagen, ob ein Sch\u00fcler eine Abschlusspr\u00fcfung in einer Klasse bestehen wird oder nicht.<\/span><\/p>\n
 Angenommen, wir passen das Modell mit Statistiksoftware (wie R, Python<\/a> , Excel<\/a> oder SAS<\/a> ) an und erhalten das folgende Ergebnis:<\/span> <\/p>\n\n\n\n\n\n\n
<\/th>\n Sch\u00e4tzung des Koeffizienten<\/strong><\/span><\/th>\n Standart Fehler<\/strong><\/span><\/th>\n Z-Wert<\/strong><\/span><\/th>\n P-Wert<\/strong><\/span><\/th>\n<\/tr>\n
 Abfangen<\/strong><\/span><\/td>\n -1,34<\/span><\/td>\n 0,23<\/span><\/td>\n 5,83<\/span><\/td>\n <0,001<\/span><\/td>\n<\/tr>\n
 Geschlecht (m\u00e4nnlich = 1)<\/strong><\/span><\/td>\n -0,56<\/span><\/td>\n 0,25<\/span><\/td>\n 2.24<\/span><\/td>\n 0,03<\/span><\/td>\n<\/tr>\n
 Praktische Pr\u00fcfungen<\/strong><\/span><\/td>\n 1.13<\/span><\/td>\n 0,43<\/span><\/td>\n 2,63<\/span><\/td>\n 0,01<\/span><\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n
 Wir k\u00f6nnen sehen, dass der urspr\u00fcngliche Term einen Wert von -1,34<\/strong> hat.<\/span><\/p>\n
 Das hei\u00dft, wenn das Geschlecht<\/strong> null ist (d. h. der Student ist weiblich) und wenn die praktischen Pr\u00fcfungen<\/strong> null sind (der Student hat keine praktischen Pr\u00fcfungen zur Vorbereitung auf die Abschlusspr\u00fcfung abgelegt), betr\u00e4gt die logarithmische Wahrscheinlichkeit, dass der Student die Pr\u00fcfung besteht, -1,34 .<\/strong> .<\/span><\/p>\n
 Da logarithmische Quoten schwer zu verstehen sind, k\u00f6nnen wir die Dinge stattdessen in Wahrscheinlichkeiten umschreiben:<\/span><\/p>\n
 Verwandte Themen:<\/strong> So interpretieren Sie logistische Regressionskoeffizienten<\/a><\/span><\/p>\n