Le responsable d'un cabinet médical souhaite connaître les facteurs qui influent sur le degré de satisfaction des patients. On demande aux patients s'il est peu probable, assez probable, ou très probable qu'ils reviennent pour des soins de suivi. Les prédicteurs pertinents sont la situation d'emploi, l'âge et la proximité du cabinet médical.
Le responsable détermine la variable de réponse suivante : la probabilité qu'un patient revienne. Les catégories de la variable de réponse présentant un ordre naturel, d'improbable à très probable, la variable de réponse est ordinale. Aussi, le responsable utilise la régression logistique ordinale pour modéliser la relation entre les prédicteurs et la variable de réponse. Le responsable utilise un seuil de signification de 0,05 pour évaluer la signification statistique et l'adéquation de l'ajustement du modèle.
La valeur de p du test visant à vérifier que toutes les pentes sont égales à zéro est inférieure à 0,05. Cette valeur de p indique que la relation entre la variable de réponse et les prédicteurs est statistiquement significative. La valeur de p pour les deux tests d'adéquation de l'ajustement est supérieure à 0,05. Ces valeurs de p élevées ne suffisent pas à prouver que le modèle est inadapté.
Dans le tableau de régression logistique, les valeurs de p pour Distance et Distance*Distance sont inférieures au seuil de signification de 0,05. Le coefficient pour Distance est négatif, ce qui indique que les patients vivant loin du cabinet sont généralement moins susceptibles de revenir pour un suivi médical. Le coefficient pour Distance*Distance est positif, ce qui indique que passée une certaine distance les patients sont plus susceptibles de revenir. D'après ces résultats, le responsable émet l'hypothèse que les patients qui vivent près du cabinet sont plus susceptibles de programmer un suivi médical, car l'emplacement du cabinet est pratique pour eux. Les patients prêts à faire un long trajet pour une première consultation sont également plus susceptibles de revenir pour un suivi médical. Le responsable prévoit d'ajouter de nouvelles questions à l'étude afin d'approfondir ces pistes. Il prévoit également d'étudier les prévisions du modèle pour déterminer la distance à partir de laquelle les patients sont plus susceptibles de revenir.
Variable | Valeur | Dénombrement |
---|---|---|
Nouvelle consultation | Très probable | 19 |
Assez probable | 43 | |
Peu probable | 11 | |
Total | 73 |
Rapport des probabilités de succès | |||||||
---|---|---|---|---|---|---|---|
IC à 95 % | |||||||
Prédicteur | Coeff | Coef ErT | Z | P | Inférieur | Supérieur | |
Const. (1) | 6,38671 | 3,06110 | 2,09 | 0,037 | |||
Const. (2) | 9,31883 | 3,15929 | 2,95 | 0,003 | |||
Distance | -1,25608 | 0,523879 | -2,40 | 0,017 | 0,28 | 0,10 | 0,80 |
Distance*Distance | 0,0495427 | 0,0214636 | 2,31 | 0,021 | 1,05 | 1,01 | 1,10 |
DL | G | Valeur de p |
---|---|---|
2 | 6,066 | 0,048 |
Méthode | Khi deux | DL | P |
---|---|---|---|
Pearson | 114,903 | 100 | 0,146 |
Somme des carrés des écarts | 94,779 | 100 | 0,629 |
Paires | Nombre | Pourcentage | Mesures récapitulatives | Valeur |
---|---|---|---|---|
Concordantes | 938 | 62,6 | D de Somers | 0,29 |
Discordantes | 505 | 33,7 | Gamma de Goodman-Kruskal | 0,30 |
Ex aequo | 56 | 3,7 | Tau a de Kendall | 0,16 |
Total | 1499 | 100,0 |