Inhaltsverzeichnis
Wann macht man logistische Regression?
Die logistische Regression ist eine Form der Regressionsanalyse , die du verwendest, um ein nominalskaliertes, kategoriales Kriterium vorherzusagen. Das bedeutet, du verwendest die logistische Regression immer dann, wenn die abhängige Variable nur ein paar wenige, gleichrangige Ausprägungen hat.
Was prognostiziert eine logistische Regression?
Das Logit-Modell ist ein extrem robustes und vielseitiges Klassifikationsverfahren. Es ist in der Lage, eine abhängige binäre Variable zu erklären und eine entsprechende Vorhersage der Wahrscheinlichkeit zu treffen, mit der ein Ereignis eintritt oder nicht.
Was ist eine Binär logistische Regression?
Die (binär) logistische Regressionsanalyse wird angewandt, wenn geprüft werden soll, ob ein Zusammenhang zwischen einer abhängigen binären Variablen und einer oder mehreren unabhängigen Variablen besteht. Es wird dabei auch von „dichotomen“ Variablen gesprochen.
Was gibt es in der logistischen Regressionsanalyse?
Für ordinalskalierte abhängige Variablen und für nominale abhängige Variablen mit mehr als zwei Ausprägungen (z.B. die Variable Haarfarbe mit den Ausprägungen: braun, blond, schwarz oder rot) gibt es Erweiterungen der logistischen Regressionsanalyse: die ordinale logistische Regression und die multinominale logistische Regression.
Was ist die logistische Regressionsfunktion?
Die logistische Regressionsfunktion ist wie folgt: z, der sogenannte „Logit“, stellt dabei ein lineares Regressionsmodell dar: Wird nun der Logit in die logistische Funktion eingesetzt, so ergibt sich: Die Regressionskoeffizienten werden durch den Algorithmus der Maximum-Likelihood-Schätzung (MLE) geschätzt.
Was sind die Koeffizienten bei der logistischen Regression?
Bei der logistischen Regression werden nicht die Koeffizienten direkt interpretiert, sondern die so genannten Odds (Wahrscheinlichkeitsverhältnisse). Diese sind Quotienten der Eintrittswahrscheinlichkeit für ein Ereignis (y = 1) und der Gegenwahrscheinlichkeit (y = 0).
Wie werden die Werte der logistischen Funktion interpretiert?
Die Werte der logistischen Funktion werden als Wahrscheinlichkeit interpretiert, dass die abhängige Variable y den Wert 1 annimmt (gegeben die unabhängigen Variablen x k ), denn mittels eines logistischen Regressionsmodells werden nicht die Werte der abhängigen Variablen y vorhergesagt werden, sondern die Eintrittswahrscheinlichkeit von y.