Rapports des probabilités de succès pour la fonction Ajuster le modèle logistique binaire

Obtenez des définitions et bénéficiez de conseils en matière d'interprétation pour chaque statistique des tableaux de rapport des probabilités de succès.

Rapport des probabilités de succès

Le rapport des probabilités de succès compare les probabilités de succès de deux événements. Les probabilités de succès d'un événement représentent la probabilité que l'événement se produise, divisée par la probabilité que l'événement ne se produise pas. Minitab calcule les rapports des probabilités de succès lorsque le modèle utilise la fonction de liaison logit.

Interprétation

Le rapport des probabilités de succès permet de déterminer l'effet d'un prédicteur. L'interprétation du rapport des probabilités de succès varie selon que le prédicteur est de catégorie ou continu.

Rapports des probabilités de succès pour les prédicteurs continus

Les rapports de probabilités de succès supérieurs à 1 indiquent que l'événement est plus susceptible de se produire à mesure que le prédicteur augmente. Les rapports de probabilités de succès inférieurs à 1 indiquent que l'événement est moins susceptible de se produire à mesure que le prédicteur augmente.

Dans ces résultats, le modèle utilise le dosage d'un médicament pour prévoir la présence ou l'absence de bactérie chez des sujets adultes. Chaque comprimé contenant une dose de 0,5 mg, les chercheurs utilisent une variation d'unité de 0,5 mg. Le rapport des probabilités de succès est environ de 6. Pour chaque comprimé supplémentaire pris par un adulte, les probabilités de succès concernant le fait qu'un patient n'ait pas la bactérie sont multipliées par 6.

Régression logistique binaire : Aucune bactérie en fonction de Dose (mg)

Rapports des probabilités de succès pour les prédicteurs continus Rapport des probabilités Incrément de succès IC à 95 % Dose (mg) 0,5 6,1279 (1,7218; 21,8095)
Rapports des probabilités de succès pour les prédicteurs de catégorie

Pour les prédicteurs de catégorie, le rapport des probabilités de succès compare les probabilités qu'un événement se produise à deux niveaux différents du prédicteur. Minitab configure la comparaison en répertoriant les niveaux dans deux colonnes, Niveau A et Niveau B. Le niveau B est le niveau de référence du facteur. Les rapports des probabilités de succès supérieurs à 1 indiquent que l'événement est moins susceptible de se produire au niveau B. Les rapports des probabilités de succès inférieurs à 1 indiquent que l'événement est plus susceptible de se produire au niveau B. Pour plus d'informations sur la sélection du niveau de référence pour l'analyse, consultez la rubrique Spécifier le schéma de codage pour la fonction Ajuster le modèle logistique binaire.

Dans ces résultats, le prédicteur de catégorie est le premier mois de la haute saison d'un hôtel. La réponse correspond à l'annulation ou non d'une réservation par un client. Le plus grand rapport des probabilités de succès est d'environ 8, lorsque le niveau A est le mois 4 et le niveau B est le mois 1. Cela indique que la probabilité qu'un client annule une réservation pendant le mois 4 est environ 8 fois supérieure à la probabilité qu'un client annule une réservation pendant le mois 1.

Régression logistique binaire : Cancellation en fonction de Mois

Rapports des probabilités de succès pour les prédicteurs de catégorie Rapport des probabilités Niveau A Niveau B de succès IC à 95 % Mois 2 1 1,1250 (0,0600; 21,0867) 3 1 3,3750 (0,2897; 39,3222) 4 1 7,7143 (0,7460; 79,7712) 5 1 2,2500 (0,1107; 45,7226) 6 1 6,0000 (0,5322; 67,6495) 3 2 3,0000 (0,2547; 35,3340) 4 2 6,8571 (0,6556; 71,7201) 5 2 2,0000 (0,0976; 41,0034) 6 2 5,3333 (0,4679; 60,7972) 4 3 2,2857 (0,4103; 12,7323) 5 3 0,6667 (0,0514; 8,6389) 6 3 1,7778 (0,2842; 11,1200) 5 4 0,2917 (0,0252; 3,3719) 6 4 0,7778 (0,1464; 4,1326) 6 5 2,6667 (0,2124; 33,4861) Rapport des probabilités de succès pour le niveau A par rapport au niveau B

Intervalle de confiance pour le rapport des probablités de succès (IC de 95 %)

Ces intervalles de confiance (IC) sont des étendues de valeurs susceptibles de contenir les valeurs réelles des rapports des probabilités de succès. Le calcul des intervalles de confiance utilise la loi normale. L'intervalle de confiance est précis si l'effectif d'échantillon est assez important pour que la distribution des rapports des probabilités de succès de l'échantillon suive une loi normale.

Les échantillons étant aléatoires, il est peu probable que deux échantillons d'une population donnent des intervalles de confiance identiques. Cependant, si vous prenez de nombreux échantillons aléatoires, un certain pourcentage des intervalles de confiance obtenus contiendra le paramètre de population inconnu. Le pourcentage de ces intervalles de confiance contenant le paramètre est le niveau de confiance de l'intervalle.

L'intervalle de confiance est composé de deux parties :
Estimation ponctuelle
Cette valeur unique estime un paramètre de population à l'aide de vos données échantillons. L'intervalle de confiance est centré sur cette estimation ponctuelle.
Marge d'erreur
La marge d'erreur définit la largeur de l'intervalle de confiance et est déterminée par la variabilité observée dans l'échantillon, l'effectif de l'échantillon et le niveau de confiance. Pour calculer la limite supérieure de l'intervalle de confiance, la marge d'erreur est ajoutée à l'estimation ponctuelle. Pour calculer la limite inférieure de l'intervalle de confiance, la marge d'erreur est soustraite de l'estimation ponctuelle.

Interprétation

Pour évaluer l'estimation du rapport des probabilités de succès, utilisez l'intervalle de confiance.

Par exemple, avec un niveau de confiance de 95 %, vous pouvez être certain à 95 % que l'intervalle de confiance comprend la valeur du rapport des probabilités de succès pour la population. L'intervalle de confiance vous aide à évaluer la signification pratique de vos résultats. Utilisez vos connaissances spécialisées pour déterminer si l'intervalle de confiance comporte des valeurs ayant une signification pratique pour votre situation. Si l'intervalle est trop grand pour être utile, envisagez d'augmenter l'effectif de l'échantillon.

En utilisant ce site, vous acceptez l'utilisation de cookies à des fins d'analyse et de personnalisation du contenu.  Lisez notre politique