Die Daten zum Geburtsgewicht (“birthweight”) wurden am Baystate Medical Center, Springfield, 1986 gesammelt (Ref).
Folgende Variablen sind enthalten:
low: indicator of birth weight less than 2.5 kg (0 =
no, 1 = yes).age: mother’s age in years.lwt: mother’s weight in pounds at last menstrual
period.smoke: smoking status during pregnancy (0 = no, 1 =
yes).ht: history of hypertension (0 = no, 1 = yes).ui: presence of uterine irritability (0 = no, 1 =
yes).ftv: number of physician visits during the first
trimester.bwt: Birthweight in grams.socclass: socioeconomic status (I = highest, III =
lowest).Der Datensatz ist als “bwt-full.csv” auf Moodle abgelegt.
Importiere den Datensatz und verschaffe dir einen Überblick.
Speichere die Variablen low, smoke und
socclass als Faktoren.
Mit str() können wir die Struktur des Datensatzes
untersuchen:
## 'data.frame': 189 obs. of 9 variables:
## $ low : int 0 0 0 0 0 0 0 0 0 0 ...
## $ age : int 19 33 20 21 18 21 22 17 29 26 ...
## $ lwt : int 182 155 105 108 107 124 118 103 123 113 ...
## $ smoke : int 0 0 1 1 1 0 0 0 1 1 ...
## $ ht : int 0 0 0 0 0 0 0 0 0 0 ...
## $ ui : int 1 0 0 1 1 0 0 0 0 0 ...
## $ ftv : int 0 3 1 2 0 0 1 1 1 0 ...
## $ bwt : int 2523 2551 2557 2594 2600 2622 2637 2637 2663 2665 ...
## $ socclass: chr "II" "III" "I" "I" ...
Wir speichern die Variablen low, smoke und
socclass als Faktoren.
bwt$low <- factor(bwt$low, levels = c(0,1), labels = c("no", "yes"))
bwt$smoke <- factor(bwt$smoke, levels = c(0,1), labels = c("no", "yes"))
bwt$socclass <- factor(bwt$socclass, levels = c("I", "II", "III"), labels = c("I", "II", "III"))Bei socclass würde hier auch
bwt$socclass <- factor(bwt$socclass) genügen, da die
vorhandenen Kategorien in der gewünschten Reihenfolge angeordnet würden.
Die explizite Angabe der Faktorstufen legt die Referenzkategorie I
jedoch reproduzierbar fest. Wir behandeln socclass als
nominalen Faktor und schätzen für die Kategorien II und III separate
Koeffizienten. Mit str() kontrollieren wir die
Kodierung:
## 'data.frame': 189 obs. of 9 variables:
## $ low : Factor w/ 2 levels "no","yes": 1 1 1 1 1 1 1 1 1 1 ...
## $ age : int 19 33 20 21 18 21 22 17 29 26 ...
## $ lwt : int 182 155 105 108 107 124 118 103 123 113 ...
## $ smoke : Factor w/ 2 levels "no","yes": 1 1 2 2 2 1 1 1 2 2 ...
## $ ht : int 0 0 0 0 0 0 0 0 0 0 ...
## $ ui : int 1 0 0 1 1 0 0 0 0 0 ...
## $ ftv : int 0 3 1 2 0 0 1 1 1 0 ...
## $ bwt : int 2523 2551 2557 2594 2600 2622 2637 2637 2663 2665 ...
## $ socclass: Factor w/ 3 levels "I","II","III": 2 3 1 1 1 3 1 3 1 1 ...
In dieser Übung ist die abhängige Variable low
(niedriges Geburtsgewicht des Kindes, das heisst < 2.5 kg) und die
unabhängige Variable smoke. Zu Beginn sollst du eine
Analyse durchführen, um einen möglichen Zusammenhang zwischen diesen
beiden Variablen zu prüfen.
smoke in den Zeilen
und der Variablen low in den Spalten.oddsratio() aus dem Paket epitools. Wie ist
das Resultat zu interpretieren?Wir erstellen die \(2 \times
2\)-Tabelle mit der Variablen low in den Spalten und
der Variablen smoke in den Zeilen:
## low
## smoke no yes
## no 86 29
## yes 44 30
Für einen ersten Vergleich betrachten wir die Anteile niedriger Geburtsgewichte innerhalb der beiden Rauchstatusgruppen; absolute Zellhäufigkeiten allein berücksichtigen die unterschiedlichen Gruppengrössen nicht.
Wir könnten die Unabhängigkeit mit einem \(\chi^2\)-Test prüfen
(chisq.test()), die Anteile niedriger Geburtsgewichte
vergleichen (prop.test()) oder das Odds Ratio schätzen
(oddsratio()). Ein Risk Ratio (riskratio())
ist als Risikoverhältnis interpretierbar, wenn das Studiendesign die
Schätzung der Ereignisrisiken erlaubt. Mit einer logistischen Regression
können wir den Zusammenhang ebenfalls untersuchen und zusätzlich für
weitere Variablen adjustieren.
Berechnung des OR mit oddsratio():
Zuerst sollte mit ?oddsratio überprüft werden, ob die
Tabelle richtig ausgerichtet ist. Dies ist der Fall. Wir setzen hier das
Argument method="wald", damit wir dieses Resultat
vergleichen können mit einem glm()-Fit weiter unten.
## odds ratio with 95% C.I.
## smoke estimate lower upper
## no 1.000000 NA NA
## yes 2.021944 1.08066 3.783112
Wie ist das Resultat zu interpretieren?
Das geschätzte OR beträgt 2.022. Die geschätzten Odds für ein niedriges Geburtsgewicht sind bei Raucherinnen somit 2.022-mal so hoch wie bei Nichtraucherinnen. Das 95%-Wald-Konfidenzintervall von 1.081 bis 3.783 enthält den Nullwert 1 nicht; der entsprechende zweiseitige Wald-Test ist auf dem 5%-Niveau statistisch signifikant. Dies spricht für einen Zusammenhang zwischen Rauchen und niedrigem Geburtsgewicht. Das OR beschreibt ein Verhältnis von Odds, nicht von Wahrscheinlichkeiten, und belegt für sich genommen keinen kausalen Effekt.
Es werden nun die Ergebnisse von oben mittels logistischer Regression berechnet.
low (abhängige
Variable) und smoke (unabhängige Variable) mit der Funktion
glm(). Speichere das Ergebnis als glm_smoke
ab. Lass dir am Schluss eine Zusammenfassung der angepassten
logistischen Regression anzeigen.Wir modellieren die Wahrscheinlichkeit von low == "yes",
also der zweiten Faktorstufe, mit einem Binomialmodell und Logit-Link.
Dabei setzen wir unabhängige Beobachtungen voraus. Es wird das folgende
Modell angepasst:
##
## Call:
## glm(formula = low ~ smoke, family = binomial, data = bwt)
##
## Coefficients:
## Estimate Std. Error z value Pr(>|z|)
## (Intercept) -1.0871 0.2147 -5.062 4.14e-07 ***
## smokeyes 0.7041 0.3196 2.203 0.0276 *
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## (Dispersion parameter for binomial family taken to be 1)
##
## Null deviance: 234.67 on 188 degrees of freedom
## Residual deviance: 229.80 on 187 degrees of freedom
## AIC: 233.8
##
## Number of Fisher Scoring iterations: 4
Die Regressionskoeffizienten sind nun im Objekt
glm_smoke gespeichert. Wir können sie mit dem Zusatz
$coefficients abrufen:
## (Intercept) smokeyes
## -1.0870515 0.7040592
Die Regressionskoeffizienten finden sich unter Estimate.
Der geschätzte Intercept \(\hat{\beta}_0\) beträgt -1.0871 und der
geschätzte Koeffizient für smoke == yes (\(\hat{\beta}_1\)) beträgt 0.7041.
\(\hat{\beta}_0\) (Intercept) ist der geschätzte Logit, also der natürliche Logarithmus der Odds für ein niedriges Geburtsgewicht bei Nichtraucherinnen. \(\hat{\beta}_1\) ist die geschätzte Differenz der Logits zwischen Raucherinnen und Nichtraucherinnen und damit der natürliche Logarithmus des geschätzten Odds Ratios.
Mit exp() exponentieren wir die Koeffizienten. Der
exponentierte Intercept ergibt die geschätzten Odds bei
Nichtraucherinnen; der exponentierte Rauchkoeffizient ergibt das
geschätzte Odds Ratio:
## (Intercept) smokeyes
## 0.3372093 2.0219436
Mit confint() erhalten wir für dieses logistische Modell
Profil-Likelihood-Konfidenzintervalle der Regressionskoeffizienten. Nach
dem Exponentieren beziehen sie sich beim Intercept auf die Odds der
Referenzgruppe und beim Rauchkoeffizienten auf das OR. Mit
confint.default() erhalten wir stattdessen Wald-Intervalle
auf Basis der asymptotischen Normalverteilung der
Koeffizientenschätzer.
## 2.5 % 97.5 %
## (Intercept) 0.2177709 0.5070199
## smokeyes 1.0818724 3.8005817
## 2.5 % 97.5 %
## (Intercept) 0.2213695 0.5136665
## smokeyes 1.0806599 3.7831106
Das exponentierte Wald-Konfidenzintervall für den Rauchkoeffizienten
stimmt mit dem OR-Intervall von
oddsratio(..., method = "wald") weiter oben überein.
Dieselben Ergebnisse lassen sich mit parameters() aus
dem gleichnamigen Paket übersichtlich darstellen. Mit
exponentiate = TRUE erhalten wir exponentierte Schätzwerte
und 95%-Konfidenzintervalle: Odds für den Intercept und ein OR für den
Rauchkoeffizienten. Über ci_method = "profile"
beziehungsweise ci_method = "wald" wählen wir die
Intervallmethode.
## Parameter | Odds Ratio | SE | 95% CI | z | p
## -------------------------------------------------------------------
## (Intercept) | 0.337 | 0.072 | [0.218, 0.507] | -5.062 | < .001
## smoke [yes] | 2.022 | 0.646 | [1.082, 3.801] | 2.203 | 0.028
## Parameter | Odds Ratio | SE | 95% CI | z | p
## -------------------------------------------------------------------
## (Intercept) | 0.337 | 0.072 | [0.221, 0.514] | -5.062 | < .001
## smoke [yes] | 2.022 | 0.646 | [1.081, 3.783] | 2.203 | 0.028
Bei der logistischen Regression beschreibt der geschätzte lineare Prädiktor den Logit der modellierten Ereigniswahrscheinlichkeit. Durch Exponentieren erhalten wir die geschätzten Odds. Hier berechnen wir die Odds für niedriges Geburtsgewicht bei Müttern, die rauchen. Der lineare Prädiktor ist:
Der lineare Prädiktor liegt auf der Logit-Skala. Durch Exponentieren erhalten wir die Odds:
## [1] 0.6818182
Die geschätzte Wahrscheinlichkeit des Ereignisses
low=="yes" bekommen wir mit der logistischen Funktion:
logit_smokers <- glm_smoke$coefficients[1] + glm_smoke$coefficients[2]
p_smokers <- exp(logit_smokers)/(1+exp(logit_smokers)) # p = Odds/(1+Odds)
unname(p_smokers)## [1] 0.4054054
logit_non_smokers <- glm_smoke$coefficients[1]
p_nonsmokers <- exp(logit_non_smokers)/(1+exp(logit_non_smokers)) # p = Odds/(1+Odds)
unname(p_nonsmokers)## [1] 0.2521739
In dieser (einfachen) Situation mit einem zweiwertigen Prädiktor kann man diese Wahrscheinlichkeiten gut anhand der \(2 \times 2\)-Tabelle nachrechnen und nachvollziehen:
## low
## smoke no yes
## no 86 29
## yes 44 30
## no yes
## 0.2521739 0.4054054
Diese bedingten Wahrscheinlichkeiten (gegeben den Rauchstatus)
bekommen wir auch mit proportions(), wenn man auf Zeilen
bedingt.
## low
## smoke no yes
## no 0.7478261 0.2521739
## yes 0.5945946 0.4054054
glm_smoke als weiteren Prädiktor die
Variable socclass hinzu. Speichere das neue Modell im
Objekt glm_multi_1. Lass dir die Zusammenfassung des
Modells anzeigen.socclass die Modellanpassung?glm_smoke) verändert? Wie lässt sich dies einordnen?
Betrachte dazu die Kreuztabellen
table(bwt$socclass,bwt$smoke) und
table(bwt$socclass,bwt$low) sowie die Vorzeichen von
cor(as.numeric(bwt$socclass),as.numeric(bwt$low)) und
cor(as.numeric(bwt$socclass),as.numeric(bwt$smoke)).Das neue Modell wird wie folgt angepasst:
##
## Call:
## glm(formula = low ~ smoke + socclass, family = binomial, data = bwt)
##
## Coefficients:
## Estimate Std. Error z value Pr(>|z|)
## (Intercept) -1.8405 0.3529 -5.216 1.83e-07 ***
## smokeyes 1.1160 0.3692 3.023 0.00251 **
## socclassII 1.0841 0.4900 2.212 0.02693 *
## socclassIII 1.1086 0.4003 2.769 0.00562 **
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## (Dispersion parameter for binomial family taken to be 1)
##
## Null deviance: 234.67 on 188 degrees of freedom
## Residual deviance: 219.97 on 185 degrees of freedom
## AIC: 227.97
##
## Number of Fisher Scoring iterations: 4
Wir vergleichen die verschachtelten Modelle mit einem
Likelihood-Ratio-Test. Dafür müssen beide Modelle mit denselben
Beobachtungen angepasst sein. Bei verschachtelten glm-Modellen liefert
anova() die Differenz der Devianzen und den zugehörigen
\(\chi^2\)-Test bereits standardmässig.
Die Angabe test = “Chisq” dient hier hauptsächlich der Explizitheit und
Dokumentation des verwendeten Tests.
## Analysis of Deviance Table
##
## Model 1: low ~ smoke
## Model 2: low ~ smoke + socclass
## Resid. Df Resid. Dev Df Deviance Pr(>Chi)
## 1 187 229.81
## 2 185 219.97 2 9.8299 0.007336 **
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
Die Nullhypothese lautet, dass die beiden zusätzlichen Koeffizienten
für socclass gemeinsam gleich null sind. Mit einem P-Wert
von etwa 0.007 wird sie auf dem 5%-Niveau verworfen. Die Hinzunahme von
socclass verbessert somit die Modellanpassung statistisch
signifikant; dies allein belegt noch keine bessere Vorhersage für neue
Beobachtungen. Als Mass der Modellabweichung verwenden wir hier die
Residualdevianz statt der Residuenquadratsumme der linearen Regression.
Der Unterschied der Residualdevianzen zwischen dem reduzierten Modell
(“small”) und dem vollen Modell (“large”) ist
\[ \begin{align} D_{small}-D_{large}&=-2(l_{small}-l_{saturated})-(-2(l_{large}-l_{saturated}))\\ &=-2(l_{small}-l_{large}) \end{align} \]
Dabei bezeichnet \(l\) jeweils die maximierte Log-Likelihood und “saturated” das saturierte Modell. Unter der Nullhypothese ist diese Teststatistik bei erfüllten Regularitätsbedingungen asymptotisch \(\chi^2\)-verteilt mit \(p_{large}-p_{small}=2\) Freiheitsgraden; \(p\) bezeichnet hier die Anzahl der geschätzten Regressionsparameter. Wir reproduzieren den P-Wert von oben mit
## [1] 9.829889
## [1] 0.007336125
Im einfachen Modell vergleichen wir Raucherinnen und
Nichtraucherinnen über alle sozioökonomischen Statuskategorien hinweg.
Das geschätzte OR beträgt etwa 2.02. Im multiplen Modell vergleichen wir
dagegen Raucherinnen und Nichtraucherinnen bei gleichem
sozioökonomischem Status. Dieses adjustierte OR beträgt etwa
3.05. Da das Modell keine Interaktion zwischen smoke und
socclass enthält, nimmt es dasselbe OR für den Vergleich
innerhalb jeder der drei Statuskategorien an.
Warum fällt das adjustierte OR hier grösser aus? Die Kreuztabellen helfen, die Zusammensetzung der Gruppen zu verstehen:
##
## no yes
## I 73 23
## II 15 11
## III 42 25
## [1] 0.1377928
In Statuskategorie I haben etwa 24 % der Kinder ein niedriges Geburtsgewicht, in Kategorie II etwa 42 % und in Kategorie III etwa 37 %. In beiden niedrigeren Statuskategorien ist dieser Anteil somit höher als in Kategorie I. Zwischen den Kategorien II und III nimmt er jedoch nicht weiter zu.
##
## no yes
## I 44 52
## II 16 10
## III 55 12
## [1] -0.3390307
Gleichzeitig rauchen in Kategorie I etwa 54 % der Mütter, in Kategorie II etwa 38 % und in Kategorie III etwa 18 %. Raucherinnen gehören in diesen Daten also häufiger als Nichtraucherinnen zur höchsten Statuskategorie I, in der niedriges Geburtsgewicht insgesamt seltener vorkommt. Beim Vergleich über alle Statuskategorien hinweg kann diese unterschiedliche Zusammensetzung den Zusammenhang zwischen Rauchen und niedrigem Geburtsgewicht abschwächen. Das multiple Modell berücksichtigt die Statuskategorie beim Vergleich der Rauchstatusgruppen.
Die zusätzlich berechneten Korrelationen fassen diese Muster mit den
numerischen Faktorcodes zusammen: socclass wird als 1, 2
und 3 kodiert. Diese Kodierung behandelt die Abstände zwischen den
Statuskategorien als gleich gross und kann Unterschiede zwischen
einzelnen Kategorien verdecken. Für die Interpretation sind deshalb die
gruppenspezifischen Anteile aussagekräftiger. Im logistischen Modell
bleibt socclass ein Faktor mit separaten Koeffizienten für
Kategorie II und III; dort wird kein gleichmässiger Trend
vorausgesetzt.
Weshalb ist das noch kein Nachweis von Konfundierung? Das unadjustierte OR beschreibt den Vergleich über alle Statuskategorien hinweg, das adjustierte OR den Vergleich bei gleichem Status. Diese beiden OR können sich auch dann unterscheiden, wenn der sozioökonomische Status nicht mit dem Rauchstatus zusammenhängt, aber das Geburtsgewicht vorhersagt. Diese Eigenschaft heisst Nichtkollabierbarkeit des Odds Ratios. Eine Änderung von 2.02 auf 3.05 allein beweist deshalb nicht, dass eine Verzerrung durch Konfundierung beseitigt wurde.
Das beobachtete Muster ist mit einer solchen Konfundierung vereinbar. Um den sozioökonomischen Status tatsächlich als Confounder einzuordnen und das adjustierte OR kausal zu interpretieren, benötigen wir zusätzliche inhaltliche Annahmen: etwa, dass der Status dem Rauchen zeitlich vorausgeht, sowohl Rauchstatus als auch Geburtsgewicht beeinflusst und nicht erst eine Folge des Rauchens ist. Auch weitere relevante Confounder müssten berücksichtigt sein. Hier interpretieren wir das Ergebnis daher als für den sozioökonomischen Status adjustierten Zusammenhang.
Für die Interessierten: Die folgende Abbildung
illustriert die Geometrie einer linearen Regression.
Sie ist eine ergänzende Analogie und keine geometrische Darstellung des
logistischen Modells. Dafür werden low und
socclass numerisch kodiert. Insbesondere wird
socclass hier als ein numerischer Prädiktor behandelt,
während im logistischen Modell zwei Indikatorvariablen verwendet
werden.
Die Vektoren liegen im Beobachtungsraum mit einer Dimension pro Beobachtung. Die Darstellung zeigt den von ihnen aufgespannten Teilraum in drei Dimensionen. In der linearen Regression ist der Vektor der angepassten Werte die orthogonale Projektion des Zielvariablenvektors auf den Prädiktorraum. Bei zentrierten Daten und einem Modell mit Intercept ergibt sich daraus die Zerlegung \(SS_{model}+SS_{Residuals}=SS_{Total}\). Diese Projektionsgeometrie und Quadratsummenzerlegung gelten nicht in derselben Form für die logistische Regression.
Was sind die Odds und die Wahrscheinlichkeit für ein Kind mit niedrigem Geburtsgewicht einer Mutter mit sozioökonomischem Status = III, die nicht raucht? Um diese Frage zu beantworten, setzen wir die entsprechenden Regressionskoeffizienten in den linearen Prädiktor ein. Wir erhalten so den geschätzten Logit. Durch Exponentieren des geschätzten Logits erhalten wir die Odds:
logit_III_NS <- glm_multi_1$coefficients[1] + glm_multi_1$coefficients[4]
unname(logit_III_NS) ## logit## [1] -0.731976
## [1] 0.4809577
## [1] 0.3247613
Mit predict() können wir geschätzte Logits und
Ereigniswahrscheinlichkeiten berechnen:
## 1
## -0.731976
## 1
## 0.4809577
## 1
## 0.3247613
Was sind die entsprechenden Odds und die Wahrscheinlichkeit, wenn eine Mutter mit sozioökonomischem Status = III raucht? Wir gehen analog vor:
logit_III_S <- glm_multi_1$coefficients[1] + glm_multi_1$coefficients[2] + glm_multi_1$coefficients[4]
unname(logit_III_S) ## logit## [1] 0.3840279
## [1] 1.468186
## [1] 0.5948442
## 1
## 0.3840279
## 1
## 0.5948442
lwt (mother’s weight in
pounds at last menstrual period) ins Modell. Speichere das Modell im
Objekt glm_multi_2 ab. Vergleiche anschliessend das neue
Modell mit glm_multi_1 mittels Likelihood-Ratio-Test.
Verbessert die Aufnahme von lwt die Modellanpassung
statistisch signifikant?glm_multi_2 wird wie folgt angepasst:
Alternativ kann man die Funktion update() verwenden,
welche etwas Schreibarbeit erspart.
Nun werden die Modelle mit dem Likelihood-Ratio-Test verglichen:
## Analysis of Deviance Table
##
## Model 1: low ~ smoke + socclass
## Model 2: low ~ smoke + socclass + lwt
## Resid. Df Resid. Dev Df Deviance Pr(>Chi)
## 1 185 219.97
## 2 184 215.01 1 4.9601 0.02594 *
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
Der Likelihood-Ratio-Test liefert einen P-Wert von etwa 0.026. Die
Aufnahme von lwt verbessert die Modellanpassung somit auf
dem 5%-Niveau statistisch signifikant. Die Auswahl von Prädiktoren
sollte zusätzlich die inhaltliche Fragestellung und die Modellannahmen
berücksichtigen.
Wir schauen uns nun die Zusammenfassung von glm_multi_2
an:
##
## Call:
## glm(formula = low ~ smoke + socclass + lwt, family = binomial,
## data = bwt)
##
## Coefficients:
## Estimate Std. Error z value Pr(>|z|)
## (Intercept) -0.10922 0.88211 -0.124 0.90146
## smokeyes 1.06001 0.37832 2.802 0.00508 **
## socclassII 1.29009 0.51087 2.525 0.01156 *
## socclassIII 0.97052 0.41224 2.354 0.01856 *
## lwt -0.01326 0.00631 -2.101 0.03562 *
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## (Dispersion parameter for binomial family taken to be 1)
##
## Null deviance: 234.67 on 188 degrees of freedom
## Residual deviance: 215.01 on 184 degrees of freedom
## AIC: 225.01
##
## Number of Fisher Scoring iterations: 4
Weil in der Zusammenfassung alle Koeffizienten auf Logit-Skala angezeigt werden, exponentieren wir diese (inkl. 95%-Konfidenzintervalle). Wir können beides machen mit
## exp_beta 2.5 % 97.5 %
## (Intercept) 0.8965324 0.1658131 5.3953378
## smokeyes 2.8863880 1.3945161 6.1980517
## socclassII 3.6331297 1.3380529 10.0823263
## socclassIII 2.6393030 1.1927957 6.0578281
## lwt 0.9868281 0.9738926 0.9984753
## Das cbind() wird gebraucht, um mehrere Spalten zu kombinieren. Somit sieht der Output etwas schöner aus. Man kann die Koeffizienten und deren 95%-Konfidenzintervalle natürlich auch in zwei Schritten ausgeben lassen.oder übersichtlich mit
## Parameter | Odds Ratio | SE | 95% CI | z | p
## --------------------------------------------------------------------------
## (Intercept) | 0.8965 | 0.7908 | [0.1658, 5.3953] | -0.1238 | 0.901
## smoke [yes] | 2.8864 | 1.0920 | [1.3945, 6.1981] | 2.8019 | 0.005
## socclass [II] | 3.6331 | 1.8561 | [1.3381, 10.0823] | 2.5253 | 0.012
## socclass [III] | 2.6393 | 1.0880 | [1.1928, 6.0578] | 2.3543 | 0.019
## lwt | 0.9868 | 0.0062 | [0.9739, 0.9985] | -2.1013 | 0.036
Die Spalte exp_beta enthält beim Intercept Odds und bei
den übrigen Koeffizienten OR. parameters() verwendet hier
standardmässig Profil-Likelihood-Konfidenzintervalle; die ausgegebenen
P-Werte beruhen dagegen auf Wald-Tests. Diese P-Werte sind daher nicht
unmittelbar durch Invertieren der angezeigten Intervalle bestimmt.
Interpretation:
lwt beträgt etwa 0.9868
pro zusätzlichem Pfund. Bei gleichem Rauchstatus und sozioökonomischem
Status sind die Odds damit pro Pfund um etwa 1.32 % niedriger. Das
Modell nimmt einen linearen Zusammenhang zwischen lwt und
dem Logit an, also ein konstantes OR pro Pfund.Anmerkung: Die Grösse eines OR für einen kontinuierlichen Prädiktor hängt von der gewählten Einheit ab. Für einen Gewichtsunterschied von 20 Pfund beträgt das geschätzte OR bei gleichem Rauchstatus und sozioökonomischem Status \(\exp(-0.01326 \times 20) \approx 0.77\). Das entspricht etwa 23 % niedrigeren Odds, nicht einer um 23 Prozentpunkte niedrigeren Wahrscheinlichkeit.
Was sind die Odds für ein Kind mit niedrigem Geburtsgewicht bei einer Mutter mit sozioökonomischem Status = II, die raucht und 110 Pfund wiegt?
Zuerst nochmals die Koeffizienten auf der Logit-Skala:
## (Intercept) smokeyes socclassII socclassIII lwt
## -0.10922083 1.06000589 1.29009446 0.97051488 -0.01325945
Nun werden die entsprechenden Werte in den linearen Prädiktor eingesetzt (\(I_k\) ist eine Indikatorvariable, die den Wert 1 annimmt, wenn die Mutter der Kategorie \(k\) angehört, und sonst 0).
\[ logit = \hat{\beta}_{0} + \hat{\beta}_{1} I_{smoke} + \hat{\beta}_{2} I_{socclassII} + \hat{\beta}_{3} I_{socclassIII} + \hat{\beta}_{4} lwt \]
\[
logit = \hat{\beta}_{0}+ \hat{\beta}_{1} + \hat{\beta}_{2}+\hat{\beta}_4
\times 110
\]
logit <- glm_multi_2$coefficients[1] + glm_multi_2$coefficients[2] + glm_multi_2$coefficients[3] + glm_multi_2$coefficients[5] * 110
unname(logit)## [1] 0.7823397
Anschliessend exponentieren wir die geschätzten Log-Odds:
## [1] 2.186582
Die Odds rechnen wir anschliessend in eine geschätzte Ereigniswahrscheinlichkeit um:
## [1] 0.6861842
Die in der Aufgabe 3 genannten Werte treffen genau auf die Mutter in der 165. Zeile zu:
## low age lwt smoke ht ui ftv bwt socclass
## 165 yes 18 110 yes 0 0 0 2296 II
Wir erhalten die oben berechnete Wahrscheinlichkeit auch über den
angepassten Wert (fitted.values) für diese Person
## 165
## 0.6861842
oder allgemein mit predict()
## 1
## 0.7823397
## 1
## 2.186582
## 1
## 0.6861842