Exemple pour Droite d'ajustement binaire

Un chercheur médical souhaite déterminer dans quelle mesure la posologie d'un nouveau médicament agit sur la présence de bactéries chez l'adulte. Le chercheur conduit une expérience avec 30 patients et 6 niveaux posologiques. Pendant deux semaines, il administre une dose donnée à 5 patients, une autre à 5 autres patients, et ainsi de suite. A la fin de la période de deux semaines, chaque patient est testé pour déterminer la présence éventuelle de bactéries.

Les données incluant une réponse binaire et un prédicteur continu, le chercheur utilise une droite d'ajustement binaire pour déterminer s'il existe une relation entre la posologie du médicament et la présence de bactéries.

  1. Ouvrez le fichier de données échantillons, MédicamentBactéries.MTW.
  2. Sélectionnez .Stat > Régression > Droite d'ajustement binaire
  3. Dans la liste déroulante, sélectionnez Réponse au format : événement/essai.
  4. Dans la zone Nom d'événement, tapez Aucune bactérie.
  5. Dans la zone Nombre d'événements, saisissez "Aucune bactérie".
  6. Dans la zone Nombre d'essais, saisissez Essais.
  7. Dans la zone Prédicteur, saisissez "Dose (mg)".
  8. Cliquez sur Graphiques. Sous Graphiques des valeurs résiduelles, sélectionnez Quatre en un.
  9. Cliquez sur OK dans chaque boîte de dialogue.

Interprétation des résultats

La valeur de p pour le dosage médical est inférieure au seuil de signification de 0,05. Ces résultats indiquent que la relation entre le dosage du médicament et la présence de la bactérie est statistiquement significative. La droite d'ajustement binaire montre que lorsque le dosage augmente, la probabilité de n'avoir aucune bactérie augmente. De plus, le rapport des probabilités de succès indique que pour chaque augmentation du dosage de 1 mg, la probabilité qu'aucune bactérie ne soit présente augmente d'environ 38 fois. La droite d'ajustement indique que le modèle est bien ajusté aux données et les graphiques des valeurs résiduelles n'indiquent aucun problème pour ce modèle.

Méthode

Fonction de liaisonLogit
Lignes utilisées6

Informations de réponse

VariableValeurDénombrementNom d'événement
Aucune bactérieEvénement18Aucune bactérie
  Non-événement12 
EssaisTotal30 

Equation de régression

P(Aucune bactérie) = exp(-5,25 + 3,63 Dose (mg))/(1 + exp(-5,25 + 3,63 Dose (mg)))

Coefficients

TermeCoeffCoef ErTFIV
Constante-5,251,99 
Dose (mg)3,631,301,00

Rapports des probabilités de succès pour les prédicteurs continus

Rapport des
probabilités
de succès
IC à 95 %
Dose (mg)37,5511(2,9647; 475,6190)

Récapitulatif du modèle

R carré de
la somme des
carrés des
écarts
R carré (ajust)
de la somme des
carrés des
écarts
AICAICcBIC
96,04%91,81%10,6314,6310,22

Analyse de la variance

SourceDLSomme des
carrés des
écarts
ajustée
Moyenne
ajustée
Khi deuxValeur de p
Régression122,705222,705222,710,000
  Dose (mg)122,705222,705222,710,000
Erreur40,93730,2343   
Total523,6425