Skip to menu

Logistic regression

namuhanayeyo 2017.03.02 22:58 Views : 10065

교수님.

안녕하세요?



지난 강의때 인사드리고 사인받았던 이현이라고 합니다.

질문이 있어 이렇게 글을 올립니다.


1.

Web-R에서 logistic regression에서 multivariable analysis에 제가 넣고 싶은 factor를 다 넣으려면

p-value threshold entering multiple regression = 1로 하면 된다고 알고 있습니다.


그 이후에 backward stepwise regression을 하면

어떤 factor들이 어떤 기준으로 제외가 되어 final model인 만들어지는지요?

(논문에 기술을 하려고 하는데 어려움이 있어서 문의드립니다)


또한 AIC라는 것이 무엇인지 여쭈어 봐도 될까요?



2. 

강의때 interaction도 web-R에서 구연할 수 있게 해주신다고 하셨는데, 혹시 해 주실 수 있으신지요. 감사합니다.



For stepwise backward elimination, data containing NA value were removed.

Total nrow: 128-> After na.omit : nrow: 127 

Total  1  row(s) were removed.

### Result of Stepwise Backward Regression ### 

Start:  AIC=174.52
within_28d ~ age + sex + bmi + meta + Sepsis + Resp_filure + 
    CPR + LCA + GI + LBP + GU + Others

              Df Deviance    AIC
- bmi          1   148.54 172.54
- sex          1   148.57 172.57
- CPR          1   148.96 172.96
- Others       1   149.19 173.19
- Sepsis       1   149.29 173.29
- LBP          1   149.67 173.67
- GI           1   149.75 173.75
<none>             148.52 174.52
- Resp_filure  1   150.55 174.55
- age          1   150.92 174.92
- meta         1   151.17 175.17
- LCA          1   152.29 176.29
- GU           1   152.89 176.89

Step:  AIC=172.54
within_28d ~ age + sex + meta + Sepsis + Resp_filure + CPR + 
    LCA + GI + LBP + GU + Others

              Df Deviance    AIC
- sex          1   148.59 170.59
- CPR          1   148.97 170.97
- Others       1   149.20 171.20
- Sepsis       1   149.30 171.30
- LBP          1   149.68 171.68
- GI           1   149.75 171.75
<none>             148.54 172.54
- Resp_filure  1   150.55 172.55
- age          1   150.94 172.94
- meta         1   151.18 173.18
- LCA          1   152.30 174.30
- GU           1   152.89 174.89

Step:  AIC=170.59
within_28d ~ age + meta + Sepsis + Resp_filure + CPR + LCA + 
    GI + LBP + GU + Others

              Df Deviance    AIC
- CPR          1   148.98 168.98
- Others       1   149.26 169.26
- Sepsis       1   149.44 169.44
- LBP          1   149.72 169.72
- GI           1   149.77 169.77
<none>             148.59 170.59
- Resp_filure  1   150.75 170.75
- age          1   150.94 170.94
- meta         1   151.24 171.24
- LCA          1   152.30 172.30
- GU           1   152.90 172.90

Step:  AIC=168.98
within_28d ~ age + meta + Sepsis + Resp_filure + LCA + GI + LBP + 
    GU + Others

              Df Deviance    AIC
- Others       1   149.62 167.62
- LBP          1   150.09 168.09
- GI           1   150.12 168.12
<none>             148.98 168.98
- age          1   151.50 169.50
- meta         1   151.58 169.58
- LCA          1   152.54 170.54
- GU           1   153.18 171.18
- Sepsis       1   156.79 174.79
- Resp_filure  1   165.52 183.52

Step:  AIC=167.62
within_28d ~ age + meta + Sepsis + Resp_filure + LCA + GI + LBP + 
    GU

              Df Deviance    AIC
- LBP          1   150.09 166.09
- GI           1   150.12 166.12
<none>             149.62 167.62
- age          1   152.02 168.02
- meta         1   152.44 168.44
- GU           1   154.10 170.10
- LCA          1   155.72 171.72
- Sepsis       1   157.28 173.28
- Resp_filure  1   165.61 181.61

Step:  AIC=166.09
within_28d ~ age + meta + Sepsis + Resp_filure + LCA + GI + GU

              Df Deviance    AIC
- GI           1   150.33 164.33
<none>             150.09 166.09
- age          1   152.67 166.67
- meta         1   152.81 166.81
- GU           1   154.13 168.13
- LCA          1   155.91 169.91
- Sepsis       1   157.88 171.88
- Resp_filure  1   167.61 181.61

Step:  AIC=164.33
within_28d ~ age + meta + Sepsis + Resp_filure + LCA + GU

              Df Deviance    AIC
<none>             150.33 164.33
- meta         1   152.96 164.96
- age          1   152.99 164.99
- GU           1   154.13 166.13
- LCA          1   156.19 168.19
- Sepsis       1   157.90 169.90
- Resp_filure  1   167.83 179.83


### Overdispersion check ### 

Residual deviance/Residual df= 1.252731 

Interpretation: close to 1 : no overdispersion



### Overdispersion test ### 

p.value =  0.3113053

Interpretation: Larger than 0.05 : no overdispersion
No. Subject Author Date
1213 교수님 지난 번 문의 드렸던 PSM 재문의 드립니다. [3] secret 긍정적인마음가짐 2023.06.27
1212 안녕하세요 ^^ odds ratio 와 관련된 문의드리고자 합니다 ^^ [2] 성열 2023.06.26
1211 mytable() 함수에서 na처리와 pvalue 계산 문의드립니다. [1] hjk34 2023.06.23
1210 교수님 안녕하세요 ^^ web-R table 작성관련 문의드립니다. [2] file mkw7654 2023.06.21
1209 Methods for continuous variables과 P value corrected for multiple comparisons 방법 궁금합니다. [1] 호호셀 2023.06.19
1208 ordinal logistic regression analysis 문의 [1] 버블 2023.06.18
1207 e-mail 변경 문의 [1] secret kimdo 2023.06.16
1206 안녕하세요 number at risk 관련 문의 드립니다 [1] secret cebukim 2023.06.13
1205 Propensity matching score 에 대해 문의드립니다. [1] saga 2023.06.08
1204 콕스비례위험모델의 적용에 관련해서 질문 드립니다. [2] secret kng1032 2023.06.07
1203 기초통계 계산 [2] secret leesav 2023.06.07
1202 정회원 후원하였습니다. [2] secret toast 2023.06.04
1201 logistic regression analysis 가 에러가 뜹니다. [1] secret Ikarus86 2023.06.02
1200 PMS caliper 에 대해 여쭤봅니다. [2] secret pjhaaa 2023.05.30
1199 ggGam에 대하여 [2] leesav 2023.05.22
1198 R 에서 PFS 의 confidence interval 을 구하고 싶을 때 어떻게 하면 될까요? [1] ddeeny 2023.05.21
1197 메타분석 관련 문의드립니다 secret 화이팅 2023.05.12
1196 교수님, 새로운 앱 개발 문의드립니다! [4] swpapa 2023.05.08
1195 교수님, 안녕하세요? 전용 앱 관련 문의드립니다! [1] swpapa 2023.05.07
1194 PSM 시 범주형 변수가 총 10가지 일 때 어떻게 돌려야 하는지요 [1] 긍정적인마음가짐 2023.05.06