13.07.2015 Views

Applicazione Pratica Metodi per l'analisi di dati qualitativi binari

Applicazione Pratica Metodi per l'analisi di dati qualitativi binari

Applicazione Pratica Metodi per l'analisi di dati qualitativi binari

SHOW MORE
SHOW LESS

You also want an ePaper? Increase the reach of your titles

YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.

dove• TREATMENT è la variabila esplicativa (<strong>di</strong>cotomica)• alpha è il log-odds nel caso <strong>di</strong> miglioramento (improve = yes) <strong>per</strong> i soggetti che hannoricevuto il placebo (treatment = 0)• beta1 è l’incremento del logit <strong>per</strong> i soggetti trattati rispetto ai soggetti che ricevono il placebo■ Stimare il modello <strong>di</strong> regressione logistica (1)logit improve treatmentIteration 0: log likelihood = -58.224363Iteration 1: log likelihood = -52.753669Iteration 2: log likelihood = -52.74361Iteration 3: log likelihood = -52.74361La stima <strong>di</strong> massima verosimiglianza si ottiente con una procedura iterativa. Ad ogni iterazioneviene riportata la log-verosimiglianza. La log-verosimiglianza all’iterazione 0 è relativa al modellonullo, cioè al modello senza variabili esplicative.Logistic regression Number of obs B = 84LR chi2(1) C = 10.96Prob > chi2 D = 0.0009Log likelihood A = -52.74361 Pseudo R2 E = 0.0941------------------------------------------------------------------------------improve | Coef. Std. Err. z P>|z| [95% Conf. Interval]-------------+----------------------------------------------------------------treatment | 1.495494 .4674919 3.20 0.001 .5792263 2.411761_cons | -.7282385 .3254402 -2.24 0.025 -1.36609 -.0903874------------------------------------------------------------------------------ALog likelihood – Log-verosimiglianza del modello finale.BNumber of obs – Numero <strong>di</strong> osservazioni utlizzate nel modelo. Può essere <strong>di</strong>verso dal numero <strong>di</strong>osservazioni contenute nel data set a causa <strong>di</strong> valori mancanti.C LR chi2(2) – Test sul rapporto <strong>di</strong> verosimiglianza. Si ottiene come 2*(58.224363 -52.74361 ) =10.961506, cioè 2 (logverosimiglianza modello nullo – logverosimiglianza modello finale). Ilnumero in parentesi in<strong>di</strong>ca i gra<strong>di</strong> <strong>di</strong> libertà del chi2 (2 variabili esplicative = 2 gra<strong>di</strong> <strong>di</strong> libertà).D Prob > chi2 - Valore pE Pseudo R2 - Non ha lo stesso significato dell’R 2con molta cautela.nella regressione or<strong>di</strong>naria (OLS). Da utilizzarelogit , orLogistic regression Number of obs = 84LR chi2(1) = 10.96Prob > chi2 = 0.0009Log likelihood = -52.74361 Pseudo R2 = 0.0941------------------------------------------------------------------------------improve | Odds Ratio Std. Err. z P>|z| [95% Conf. Interval]-------------+----------------------------------------------------------------treatment | 4.461538 2.085733 3.20 0.001 1.784657 11.15359------------------------------------------------------------------------------3

Hooray! Your file is uploaded and ready to be published.

Saved successfully!

Ooh no, something went wrong!