Bagaimana menafsirkan intersepsi 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, suku asli dalam keluaran model mewakili log odds dari variabel respons yang terjadi ketika semua variabel prediktor sama dengan nol.
Namun, karena probabilitas log sulit untuk diinterpretasikan, kami biasanya membingkai intersep dalam bentuk probabilitas.
Kita dapat menggunakan rumus berikut untuk memahami probabilitas terjadinya variabel respon, mengingat setiap variabel prediktor dalam model adalah nol:
P = e β 0 / (1 +e β 0 )
Contoh berikut menunjukkan cara menafsirkan intersep regresi logistik dalam praktiknya.
Terkait: Bagaimana Menafsirkan Koefisien Regresi Logistik
Contoh: Bagaimana menafsirkan intersep 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:
| Estimasi koefisien | Kesalahan standar | nilai Z | Nilai-P | |
|---|---|---|---|---|
| Mencegat | -1.34 | 0,23 | 5.83 | <0,001 |
| Jenis Kelamin (Laki-laki = 1) | -0,56 | 0,25 | 2.24 | 0,03 |
| Ujian praktek | 1.13 | 0,43 | 2.63 | 0,01 |
Kita dapat melihat bahwa suku aslinya memiliki nilai -1.34 .
Ini berarti bahwa ketika jenis kelamin adalah nol (yaitu siswa adalah perempuan) dan ketika ujian praktik adalah nol (siswa belum mengikuti ujian praktik apa pun sebagai persiapan ujian akhir), peluang logaritmik bahwa siswa tersebut akan lulus ujian adalah -1,34 . .
Karena peluang log sulit untuk dipahami, kita dapat menulis ulang berbagai hal dalam bentuk probabilitas:
- Peluang sukses = e β 0 / (1 +e β 0 )
- Peluang sukses = e -1.34 / (1 +e -1.34 )
- Probabilitas keberhasilan = 0,208
Jika kedua variabel prediktor sama dengan nol (yaitu siswa yang belum mengikuti ujian persiapan), peluang siswa tersebut lulus ujian akhir adalah 0,208 .
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
Tentang Penulis
Benjamin anderson
Halo, saya Benjamin, pensiunan profesor statistika yang menjadi guru Statorial yang berdedikasi. Dengan pengalaman dan keahlian yang luas di bidang statistika, saya ingin berbagi ilmu untuk memberdayakan mahasiswa melalui Statorials. Baca selengkapnya