{"id":4496,"date":"2023-07-10T16:08:37","date_gmt":"2023-07-10T16:08:37","guid":{"rendered":"https:\/\/statorials.org\/it\/interpretare-la-regressione-logistica-allorigine\/"},"modified":"2023-07-10T16:08:37","modified_gmt":"2023-07-10T16:08:37","slug":"interpretare-la-regressione-logistica-allorigine","status":"publish","type":"post","link":"https:\/\/statorials.org\/it\/interpretare-la-regressione-logistica-allorigine\/","title":{"rendered":"Come interpretare l'intercettazione della regressione logistica (con esempio)"},"content":{"rendered":"

<\/p>\n

\n

La regressione logistica<\/a> \u00e8 un metodo che possiamo utilizzare per adattare un modello di regressione quando la variabile di risposta<\/a> \u00e8 binaria.<\/span><\/p>\n

Quando adattiamo un modello di regressione logistica, il termine originale nell’output del modello rappresenta le probabilit\u00e0 logaritmiche della variabile di risposta che si verifica<\/strong> quando tutte le variabili predittive sono uguali a zero.<\/span><\/p>\n

Tuttavia, poich\u00e9 le probabilit\u00e0 logaritmiche sono difficili da interpretare, generalmente inquadriamo l’intercetta in termini di probabilit\u00e0.<\/span><\/p>\n

Possiamo utilizzare la seguente formula per comprendere la probabilit\u00e0 che si verifichi la variabile di risposta, dato che ciascuna variabile predittrice nel modello \u00e8 zero:<\/span><\/p>\n

 P = e \u03b2 0<\/sub><\/sup> \/ (1 +e \u03b2 0<\/sub><\/sup> )\n<\/strong><\/pre>\n
 L’esempio seguente mostra come interpretare nella pratica un’intercettazione di regressione logistica.
<\/span><\/p>\n
 Esempio: come interpretare l’intercettazione della regressione logistica<\/strong><\/span><\/h2>\n
 Supponiamo di voler adattare un modello di regressione logistica utilizzando il genere<\/strong> e il numero di esami pratici sostenuti<\/strong> per prevedere se uno studente superer\u00e0 o meno un esame finale in una classe.<\/span><\/p>\n
 Supponiamo di adattare il modello utilizzando un software statistico (come R,Python<\/a> , Excel<\/a> o SAS<\/a> ) e di ricevere il seguente risultato:<\/span> <\/p>\n\n\n\n\n\n\n
<\/th>\n Stima del coefficiente<\/strong><\/span><\/th>\n Errore standard<\/strong><\/span><\/th>\n Valore Z<\/strong><\/span><\/th>\n Valore P<\/strong><\/span><\/th>\n<\/tr>\n
 Intercettare<\/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
 Sesso (maschio = 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
 Esami pratici<\/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
 Possiamo vedere che il termine originale ha un valore di -1.34<\/strong> .<\/span><\/p>\n
 Ci\u00f2 significa che quando il genere<\/strong> \u00e8 zero (cio\u00e8 lo studente \u00e8 una donna) e quando gli esami pratici<\/strong> sono zero (lo studente non ha sostenuto alcun esame pratico in preparazione all’esame finale), la probabilit\u00e0 logaritmica che lo studente superi l’esame \u00e8 -1,34 .<\/strong> .<\/span><\/p>\n
 Poich\u00e9 le probabilit\u00e0 logaritmiche sono difficili da comprendere, possiamo invece riscrivere le cose in termini di probabilit\u00e0:<\/span><\/p>\n
 Correlato:<\/strong> Come interpretare i coefficienti di regressione logistica<\/a><\/span><\/p>\n