Logistic Regression
Box-Tidwell Test:
De Box-Tidwell test is een statistische test die wordt gebruikt om de
lineariteit van een logistisch regressiemodel te testen. De test wordt
uitgevoerd door een kwadratische term toe te voegen aan het model en
vervolgens te testen of deze term significant is.
,De Box-Tidwell test wordt vaak gebruikt om te controleren of de aannames
van een logistisch regressiemodel worden nageleefd. Een van de
belangrijkste aannames van een logistisch regressiemodel is dat er een
lineaire relatie is tussen de logit van de afhankelijke variabele en de
onafhankelijke variabele.
Als de Box-Tidwell test significant is, dan betekent dit dat de
lineariteitsvoorwaarde niet wordt nageleefd. Dit kan betekenen dat het
model niet goed geschikt is om de data te voorspellen.
p-waarde < 0,05: De lineariteitsvoorwaarde wordt niet nageleefd. Het
model is niet goed geschikt om de data te voorspellen. Lns of machten
toevoegen!
Hosmer-Lemmeshow:
De Hosmer-Lemeshow test is een statistische test voor de goodness of fit
van een logistisch regressiemodel. De test wordt gebruikt om te bepalen
of de voorspelde kansen van het model overeenkomen met de werkelijke
waarnemingen.
De Hosmer-Lemeshow test verdeelt de data in 10 groepen, op basis van
de voorspelde kansen van het model. Voor elke groep wordt dan berekend
hoeveel waarnemingen in de groep vallen die overeenkomen met de
verwachte kansen. Als de voorspelde kansen goed passen bij de
werkelijke waarnemingen, dan zouden de verwachte kansen en de
werkelijke waarnemingen in elke groep ongeveer gelijk moeten zijn.
De Hosmer-Lemeshow test genereert een chi-kwadraat statistiek. Als de
chi-kwadraat statistiek significant is, dan betekent dit dat de voorspelde
kansen van het model niet goed passen bij de werkelijke waarnemingen.
p-waarde < 0,05: Er is significant bewijs dat de voorspelde kansen van het
model niet goed passen bij de werkelijke waarnemingen. Het model is dus
niet goed geschikt om de data te voorspellen.
, Bovenste is verschil tussen onderste tabel
Box-Tidwell Test:
De Box-Tidwell test is een statistische test die wordt gebruikt om de
lineariteit van een logistisch regressiemodel te testen. De test wordt
uitgevoerd door een kwadratische term toe te voegen aan het model en
vervolgens te testen of deze term significant is.
,De Box-Tidwell test wordt vaak gebruikt om te controleren of de aannames
van een logistisch regressiemodel worden nageleefd. Een van de
belangrijkste aannames van een logistisch regressiemodel is dat er een
lineaire relatie is tussen de logit van de afhankelijke variabele en de
onafhankelijke variabele.
Als de Box-Tidwell test significant is, dan betekent dit dat de
lineariteitsvoorwaarde niet wordt nageleefd. Dit kan betekenen dat het
model niet goed geschikt is om de data te voorspellen.
p-waarde < 0,05: De lineariteitsvoorwaarde wordt niet nageleefd. Het
model is niet goed geschikt om de data te voorspellen. Lns of machten
toevoegen!
Hosmer-Lemmeshow:
De Hosmer-Lemeshow test is een statistische test voor de goodness of fit
van een logistisch regressiemodel. De test wordt gebruikt om te bepalen
of de voorspelde kansen van het model overeenkomen met de werkelijke
waarnemingen.
De Hosmer-Lemeshow test verdeelt de data in 10 groepen, op basis van
de voorspelde kansen van het model. Voor elke groep wordt dan berekend
hoeveel waarnemingen in de groep vallen die overeenkomen met de
verwachte kansen. Als de voorspelde kansen goed passen bij de
werkelijke waarnemingen, dan zouden de verwachte kansen en de
werkelijke waarnemingen in elke groep ongeveer gelijk moeten zijn.
De Hosmer-Lemeshow test genereert een chi-kwadraat statistiek. Als de
chi-kwadraat statistiek significant is, dan betekent dit dat de voorspelde
kansen van het model niet goed passen bij de werkelijke waarnemingen.
p-waarde < 0,05: Er is significant bewijs dat de voorspelde kansen van het
model niet goed passen bij de werkelijke waarnemingen. Het model is dus
niet goed geschikt om de data te voorspellen.
, Bovenste is verschil tussen onderste tabel
