Cara menafsirkan koefisien regresi logistik (dengan contoh)

Regresi logistik adalah metode yang dapat kita gunakan untuk menyesuaikan model regresi ketika variabel responnya adalah biner.

Saat kita menyesuaikan model regresi logistik, koefisien hasil model mewakili perubahan rata-rata dalam kemungkinan log variabel respons yang terkait dengan peningkatan satu unit pada variabel prediktor.

 β = Average Change in Log Odds of Response Variable

Kita sering kali ingin memahami perubahan rata-rata probabilitas variabel respons yang terkait dengan peningkatan satu unit variabel prediktor, yang dapat kita temukan menggunakan rumus e ^β .

 e β = Average Change in Odds of Response Variable

Contoh berikut menunjukkan bagaimana menafsirkan koefisien regresi logistik dalam praktiknya.

Contoh: Bagaimana menafsirkan koefisien regresi logistik

Misalkan kita ingin menyesuaikan model regresi logistik menggunakan gender dan jumlah ujian praktik yang diambil untuk memprediksi apakah seorang siswa akan lulus ujian akhir di kelas atau tidak.

Misalkan kita menyesuaikan model menggunakan perangkat lunak statistik (seperti R, Python , Excel , atau SAS ) dan menerima hasil berikut:

Bagaimana menafsirkan gender (variabel prediktor biner)

Kita dapat melihat bahwa estimasi koefisien untuk jenis kelamin adalah negatif, yang menunjukkan bahwa laki-laki menurunkan peluang untuk lulus ujian.

Kita juga dapat melihat bahwa nilai p untuk gender kurang dari 0,05, yang berarti nilai tersebut mempunyai pengaruh yang signifikan secara statistik terhadap lulus atau tidaknya seseorang dalam ujian.

Untuk memahami secara pasti bagaimana faktor laki-laki mempengaruhi lulus atau tidaknya seseorang dalam ujian, kita dapat menggunakan rumus e ^β .

e ^-0,56 = 0,57

Kami menafsirkan hal ini berarti bahwa laki-laki hanya 0,57 kali lebih mungkin lulus ujian dibandingkan perempuan, dengan asumsi bahwa jumlah ujian praktik tetap konstan .

Kita juga dapat mengatakan bahwa laki-laki (1 – 0,57) 43% lebih kecil kemungkinannya untuk lulus ujian dibandingkan perempuan, sekali lagi dengan asumsi bahwa jumlah ujian praktik tetap konstan .

Cara mengartikan ujian praktek (variabel prediktif kontinu)

Kita dapat melihat bahwa estimasi koefisien ujian praktik adalah positif, yang menunjukkan bahwa setiap tambahan ujian praktik yang diambil meningkatkan peluang untuk lulus ujian akhir.

Kita juga dapat melihat bahwa nilai p untuk jumlah ujian praktik yang diambil kurang dari 0,05, yang berarti memiliki pengaruh yang signifikan secara statistik terhadap lulus atau tidaknya seseorang dalam ujian akhir.

Untuk mengukur dampak setiap ujian praktik tambahan terhadap lulus atau tidaknya seseorang dalam ujian akhir, kita dapat menggunakan rumus e ^β .

e ^1,13 = 3,09

Kami menafsirkan hal ini berarti bahwa setiap ujian praktik tambahan yang diambil meningkatkan peluang kelulusan ujian akhir sebesar 3,09 , dengan asumsi gender tetap konstan .

Kita juga dapat mengatakan bahwa setiap ujian praktik tambahan yang diambil dikaitkan dengan peningkatan peluang lulus ujian akhir sebesar (3,09 – 1) sebesar 209% , sekali lagi dengan asumsi gender tetap konstan.

Catatan : Lihat artikel ini untuk mempelajari cara menafsirkan istilah asli dalam model regresi logistik.

Sumber daya tambahan

Tutorial berikut memberikan informasi tambahan tentang regresi logistik:

Cara melaporkan hasil regresi logistik
Memahami Hipotesis Nol untuk Regresi Logistik
Perbedaan antara regresi logistik dan regresi linier