1 Uogólniony model liniowy

2 y = Xb + e Ogólny model liniowy Każda obserwacja ma rozkład normalnyKażda obserwacja ma tą samą wariancję

3 Dane ‘nienormalne’ Rozkład dwumianowynp. liczba dojonych krów w stadzie Rozkład zdarzeń rzadkich (Poissona) np. liczba osób poszkodowanych wśród ubezpieczonych Rozkład wielomianowy, np. umaszczenie

4 Uogólniony model liniowypozwala zastosować model liniowy do ‘nienormalnych danych’ y może być zmienną binarną (zdrowy/chory), wielowartościową (umaszczenie) x – zarówno zmienne ciągłe jak i kategoryzujące

5 Uogólniony model liniowyL(średnia z y) = b0 + b1x1 + b2x2 +... L to funkcja wiążąca (link)

6 Funkcje wiążące Rozkład dwumianowy: logit probit log cloglogRozkład Poissona sqrt

7 Rozkład dwumianowy Określa prawdopodobieństwo y sukcesów w n próbach, jeżeli w pojedynczej próbie prawdopodobieństwo sukcesu wynosi p Wszystkie próby są takie same i niezależne!

8 Logit logit(x) = log x 1 - x x – wartość z przedziału 0-1Gdy x jest prawdopodobieństwem wówczas logit jest ilorazem szans

9 Iloraz szans (odds) odds = p [0, ) 1 - pNp. gdy p = prawdopodobieństwo zachorowania odds=5 choroba jest 5 razy bardziej prawdopodobna niż zdrowie odds=1/3 szansa zachorowania jest 3 razy mniej prawdopodobna niż zdrowie odds=1 szanse obu zdarzeń są równe

10 Logarytm ilorazu szans – log oddsp log( ) 1 - p (- , ) log odds > 0 szansa zachorowania jest większa niż pozostania przy zdrowiu log odds < 0 szansa pozostania przy zdrowiu jest większa niż zachorowania log odds = 0 szanse obu zdarzeń są równe

11 logit( pi ) = b0 + b1x1 + b2x2 ... Regresja logistycznapi – prawd. ‘sukcesu’ dla i-tego przypadku x – zestaw wartości zmiennych objaśniających b – zestaw współczynników regresji

12 Regresja logistyczna - interpretacjaJeżeli x wzrasta o 1 to logit wzrasta (dodawanie) o b Jeżeli x wzrasta o 1 to iloraz szans mnoży się przez eb

13 Przykład 0 30 0 0 30 1 1 40 1 1 40 0 1 60 1 1 50 0 1 30 1 0 40 1 1 50 1 0 60 0 Badamy wpływ wieku i palenia na nadciśnienie. Dane: y - nadciśnienie (TAK=1 / NIE=0) x1 - wiek (liczba lat – zmienna ciągła) x2 - palenie (pali=1 / nie pali = 0)

14 Przykład – rozwiązanieb1 = 0,10 czyli każdy rok zwiększa ryzyko nadciśnienia o e0,10 = 1,10, czyli o 10% b2 = 0,81 a więc palenie zwiększa ryzyko nadciśnienia o e0,81 = 2,2, czyli o 220% b0 = (intercept) brak interpretacji

15 Regresja logistyczna w RDane mogą być przedstawione w formie surowej, przy czym p = P(y=1) czyli (sukces=1) y <- c( 0, 0, 0, 1, 1, ) wiek <- c( 30, 30, 30, 40, 40, ) palenie <- c( 0, 1, 0, 1, 0, ) mojedane <- data.frame(y, wiek, palenie)

16 Regresja logistyczna w RDane w formie zbiorczej wiek palenie liczba osób liczba osób chorych zdrowych itd. yc <- c( 0, 1, 1, 1, ... ) yz <- c( 2, 2, 0, 1, ... ) y <-cbind( yc, yz ) y to macierz! wiek <- c( 30, 30, 40, 40, ...) palenie <- c( 0, 1, 0, 1, ... ) mojedane <- data.frame(y, wiek, palenie)

17 Regresja logistyczna w Rwynik <- glm( y ~ wiek + palenie, family=binomial(link=logit), data=mojedane) summary( wynik )

18 Zadanie Zbadaj wpływ wieku na występowanie zwyrodnienia gałki ocznej.20 35 45 55 70 liczba badanych 50 liczba chorych 6 17 26 37 44