101_105

\(\beta=\frac{1}{n}\sum_{i=1}^n(y_i-\pi_i)^2\) = 0,127915

Mô hình này có ma trận nhầm lẫn:

• Độ chính xác toàn thể:\(\frac{25}{30}\)=83,33% . Nếu chỉ dựa vào giá trị này ta sẽ cho rằng mô hình dự báo tốt. Tuy nhiên ta có: Độ nhạy:\(\frac{0}{5}\)=0% độ đặc hiệu:\(\frac{25}{25}\)= 100%.Vậy mô hình này không tốt, vì độ nhạy bằng 0, tức là không dự báo được bệnhnhân bị bệnh tim mạch vành. Nguyên nhân ở đây là do mẫu quá lệch (số bị bệnh tim mạch vành chỉ chiếm 5 trong tổng số 30). b.Xét mô hình logistic nhận được từ bảng hồi quy 4.10, có mức độ phù hợp Psedo-\(R^2\)= 0,138670, Prob (LR-statistic) = 0,00000… < 0,05, là bằng chứng mạnh mẽ bác bỏ giả thuyết\(H_0\) cho thấy mô hình phù hợp vớ dữ liệu thực tế.
• Chỉ số AIC = 0,623193
• Chỉ số Brier = \(\beta=\frac{1}{n}\sum_{i=1}^n(y_i-\pi_i)^2\) =0,127915
• Ma trận nhầm lẫn:

Độ chính xác toàn thể:\(\frac{14+14}{30}\) = 93,33% , rất cao. Mặt khác độ nhạy là \(\frac{14}{15}\)= 93,33% và độ đặc hiệu là:\(\frac{14}{15}\) = 93,33% đều rất cao, cho thấy đây là một mô hình dự báo tốt.

`` Mô hình logistic đa biến

``` Diễn giải về mô hình logistic đa biến Mô hình logistic đa biến là sự mở rộng một cách tự nhiên của mô hình logistic hai biến, trong đó biến đáp ứng là biến nhị phân với hai thuộc tính: một gọi là “Thành công” và một gọi là “Thất bại”, chịu sự tác động của một tập hợp m biến mà ta gọi là các biến giải thích. Biến đáp ứng được đại diện, hay lượng hóa bởi biến ngẫu nhiên có phân phối 0 – 1:

Ký hiệu \(X\) =(\(X_1\),\(X_2\),…,\(X_m\))là véc tơ gồm các biến giải thích, các biến này là các biến định lượng, hoặc định tính đã được gán điểm số. Mô hình logistic

mô tả sự phụ thuộc của biến đáp ứng thông qua xác suất “Thành công”\(\pi(x)\) =\(P(Y=1|X=x)\) ứng với mức \(x\)=(\(x_1\),\(x_2\),…,\(x_m\))của các biến giải thích phụ thuộc vào x =(\(x_1,\)x_2,…,\(x_m\))dưới dạng:

log(\(\frac{\pi_(x)}{1-\pi_(x)}\))= \(\beta_0\) +\(\beta_1.x_2\)+,…+\(\beta_m.x_m\)