Binaire Logistische regressie

Enkelvoudige of meervoudige Lineaire regressie

- 1 kwantitatieve afhankelijke variabele
- 1 of meerdere kwantitatieve onafhankelijke variabele
(voorspellers van av / invloed op av)

Logistische regressie
- 1 kwalitatieve (meestal dichotoom) afhankelijke variabele
- 1 of meerdere kwantitatieve of dichotome onafhankelijke variabelen
(voorspellers van av / invloed op av)

bv: welke van de volgende factoren (geslacht, op kot, leeftijd) (meerdere ov’s)
bepalen het slagen (1 av) in de master GVO?

We kijken naar
o De Oddsratio (verhouding van 2 odds of kansen)
o 1 is waar we uitspraak over doen, 0 is referentiecategorie
o Ov’en moeten omgezet worden naar dummy variabelen (via mediaan of inhoud)

In SPSS
Logistische regressie
- Analyze – regression – binary logistic
o categorical (first + change)
o options: CI for exp(B) 95%
- Als de pearson correlatie >0,6 tussen 2ov’s dan moet je kijken naar de
correlatie tot de totaalscore en de grootste opnemen in analyse

Multiple lineaire regressie

- Analyze – regression – linear
- Variables in the Equation tabel
- p-waarde, odds ratio (Exp (B)) en 95%CI interpreteren
* 1 niet in CI en p<0,05 dan is het een significante voorspeller en kan je de
odds ratio interpreteren
- Exp (B) > 1 = meer kans van categorie 1 tegenover referentiecategorie
- Exp (B) < 1 = minder kans van categorie 1 tegenover referentiecategorie
 1 delen door Exp (B) om uitspraak hierover te doen

Extra
- Indien een OV 3 categorieën heeft, op zelfde manier analyse uitvoeren, maar
output anders interpreteren. Waar 2x0 staat is de referentiecategorie en dan de 2
andere categorieën tegenover deze referentiecategorie interpreteren
- Indien OV’s dichotoom zijn, maar AV 3 categorieën heeft dan gaat het om een
multinomiale logistische regressie i.p.v. binair.
- Analyze – regression – Multinomial logistic
o categorical (first + change)
o options: CI for exp(B) 95%
- Output in 2 logistische regressies te interpreteren dat 1 van de OV’s de
referentiecategorie is!