library(haven)
library(dplyr)
##
## Attaching package: 'dplyr'
## The following objects are masked from 'package:stats':
##
## filter, lag
## The following objects are masked from 'package:base':
##
## intersect, setdiff, setequal, union
library(tidyverse)
## -- Attaching packages --------------------------------------------------------------------------------- tidyverse 1.2.1 --
## v ggplot2 3.1.0 v readr 1.2.1
## v tibble 2.1.3 v purrr 0.2.5
## v tidyr 0.8.2 v stringr 1.3.1
## v ggplot2 3.1.0 v forcats 0.3.0
## -- Conflicts ------------------------------------------------------------------------------------ tidyverse_conflicts() --
## x dplyr::filter() masks stats::filter()
## x dplyr::lag() masks stats::lag()
library(readxl)
library(Amelia)
## Loading required package: Rcpp
## ##
## ## Amelia II: Multiple Imputation
## ## (Version 1.7.5, built: 2018-05-07)
## ## Copyright (C) 2005-2019 James Honaker, Gary King and Matthew Blackwell
## ## Refer to http://gking.harvard.edu/amelia/ for more information
## ##
library(data.table)
##
## Attaching package: 'data.table'
## The following object is masked from 'package:purrr':
##
## transpose
## The following objects are masked from 'package:dplyr':
##
## between, first, last
library(psycho)
library(ggplot2)
library(MASS)
##
## Attaching package: 'MASS'
## The following object is masked from 'package:dplyr':
##
## select
library(DescTools)
##
## Attaching package: 'DescTools'
## The following object is masked from 'package:data.table':
##
## %like%
library(ggpubr)
## Loading required package: magrittr
##
## Attaching package: 'magrittr'
## The following object is masked from 'package:purrr':
##
## set_names
## The following object is masked from 'package:tidyr':
##
## extract
library(car)
## Loading required package: carData
##
## Attaching package: 'car'
## The following object is masked from 'package:DescTools':
##
## Recode
## The following object is masked from 'package:purrr':
##
## some
## The following object is masked from 'package:dplyr':
##
## recode
library(tibble)
library(nnet)
disleksija <- read_sav("D:/Vita/Disleksija/Baze/disleksija_final.sav")
disleksija$Disleksija <- as.factor(disleksija$Disleksija)
#creating training and test subset
library(caret)
## Loading required package: lattice
##
## Attaching package: 'caret'
## The following objects are masked from 'package:DescTools':
##
## MAE, RMSE
## The following object is masked from 'package:purrr':
##
## lift
library(caTools)
set.seed(101)
split = sample.split(disleksija$Disleksija, SplitRatio = 0.70)
final.train = subset(disleksija, split == TRUE)
final.test = subset(disleksija, split == FALSE)
summary(final.train)
## ID Pol Uzrast UzrasnaGrupa
## Min. : 1.0 Min. :1.000 Min. : 81.0 Min. :1.000
## 1st Qu.:142.0 1st Qu.:1.000 1st Qu.: 97.0 1st Qu.:2.000
## Median :270.0 Median :1.000 Median :110.0 Median :3.000
## Mean :279.2 Mean :1.476 Mean :111.1 Mean :3.243
## 3rd Qu.:422.0 3rd Qu.:2.000 3rd Qu.:125.0 3rd Qu.:4.000
## Max. :601.0 Max. :2.000 Max. :156.0 Max. :5.000
##
## Skola Razred Brzo_imenovanje Nizanje_kuglica
## Min. :1.000 Min. :0.000 Min. : 20.00 Min. : 1.000
## 1st Qu.:2.000 1st Qu.:1.000 1st Qu.: 38.00 1st Qu.: 4.000
## Median :3.000 Median :3.000 Median : 45.00 Median : 6.000
## Mean :2.888 Mean :2.712 Mean : 47.48 Mean : 5.454
## 3rd Qu.:4.000 3rd Qu.:4.000 3rd Qu.: 54.00 3rd Qu.: 6.000
## Max. :5.000 Max. :5.000 Max. :170.00 Max. :12.000
## NA's :21
## Jednominutno_citanje Posturalna_stabilnost Fonemska_segmentacija
## Min. : 3.00 Min. : 0.000 Min. : 0.000
## 1st Qu.: 28.00 1st Qu.: 0.000 1st Qu.: 7.000
## Median : 46.00 Median : 3.000 Median : 9.000
## Mean : 46.18 Mean : 2.794 Mean : 8.485
## 3rd Qu.: 61.00 3rd Qu.: 4.000 3rd Qu.:11.000
## Max. :103.00 Max. :18.000 Max. :12.000
##
## Dvominutni_speling Brojcani_niz_unazad Citanje_besmislenog_teksta
## Min. : 0.000 Min. :0.000 Min. : 0.00
## 1st Qu.: 8.000 1st Qu.:2.000 1st Qu.:46.00
## Median : 8.000 Median :3.000 Median :59.00
## Mean : 9.757 Mean :2.463 Mean :53.17
## 3rd Qu.:12.000 3rd Qu.:3.000 3rd Qu.:66.00
## Max. :22.000 Max. :8.000 Max. :77.00
##
## Jednominutno_pisanje Verbalna_fluentnost Semanticka_fluentnost
## Min. : 0.000 Min. : 0.000 Min. : 2.00
## 1st Qu.: 5.000 1st Qu.: 6.000 1st Qu.:13.00
## Median : 7.000 Median : 8.000 Median :16.00
## Mean : 7.948 Mean : 8.787 Mean :16.25
## 3rd Qu.:11.000 3rd Qu.:11.000 3rd Qu.:19.00
## Max. :24.000 Max. :21.000 Max. :40.00
##
## Vokabular ARQbroj ARQkat RecnikSKOR
## Min. : 7.00 Min. : 0.000 Min. :1.000 Min. : 72.0
## 1st Qu.:12.00 1st Qu.: 0.450 1st Qu.:1.000 1st Qu.:106.0
## Median :13.00 Median : 0.720 Median :2.000 Median :122.0
## Mean :13.14 Mean : 7.981 Mean :2.125 Mean :119.5
## 3rd Qu.:14.00 3rd Qu.: 1.000 3rd Qu.:3.000 3rd Qu.:138.0
## Max. :16.00 Max. :263.000 Max. :4.000 Max. :157.0
## NA's :412
## RecnikKAT OcenaSrp Citanje Disleksija
## Min. :1.000 Min. :2.000 Min. :0.000 0:420
## 1st Qu.:3.000 1st Qu.:3.000 1st Qu.:2.000 1: 21
## Median :5.000 Median :4.000 Median :3.000
## Mean :4.448 Mean :3.621 Mean :2.971
## 3rd Qu.:6.000 3rd Qu.:5.000 3rd Qu.:4.000
## Max. :6.000 Max. :5.000 Max. :5.000
## NA's :412 NA's :412 NA's :406
## ZBrzo_imenovanje ZNizanje_kuglica ZJednominutno_citanje
## Min. :-1.60231 Min. :-2.60817 Min. :-1.924765
## 1st Qu.:-0.56868 1st Qu.:-0.82085 1st Qu.:-0.802484
## Median :-0.16671 Median : 0.37071 Median : 0.005558
## Mean :-0.02413 Mean : 0.04512 Mean : 0.013702
## 3rd Qu.: 0.35010 3rd Qu.: 0.37071 3rd Qu.: 0.678926
## Max. : 7.01130 Max. : 3.94536 Max. : 2.564358
##
## ZPosturalna_stabilnost ZFonemska_segmentacija ZDvominutni_speling
## Min. :-0.933363 Min. :-2.99470 Min. :-2.55042
## 1st Qu.:-0.933363 1st Qu.:-0.51179 1st Qu.:-0.44388
## Median : 0.072370 Median : 0.19762 Median :-0.44388
## Mean : 0.003193 Mean : 0.01504 Mean : 0.01887
## 3rd Qu.: 0.407615 3rd Qu.: 0.90703 3rd Qu.: 0.60939
## Max. : 5.101037 Max. : 1.26173 Max. : 3.24256
##
## ZBrojcani_niz_unazad ZCitanje_besmislenog_teksta ZJednominutno_pisanje
## Min. :-2.428736 Min. :-2.85578 Min. :-1.92678
## 1st Qu.:-0.459491 1st Qu.:-0.38088 1st Qu.:-0.70411
## Median : 0.525132 Median : 0.31854 Median :-0.21504
## Mean :-0.004019 Mean : 0.00488 Mean : 0.01675
## 3rd Qu.: 0.525132 3rd Qu.: 0.69516 3rd Qu.: 0.76311
## Max. : 5.448246 Max. : 1.28698 Max. : 3.94206
##
## ZVerbalna_fluentnost ZSemanticka_fluentnost ZVokabular
## Min. :-2.445799 Min. :-2.71352 Min. :-4.024606
## 1st Qu.:-0.780912 1st Qu.:-0.59873 1st Qu.:-0.742828
## Median :-0.225949 Median :-0.02197 Median :-0.086472
## Mean :-0.007613 Mean : 0.02555 Mean : 0.005805
## 3rd Qu.: 0.606495 3rd Qu.: 0.55479 3rd Qu.: 0.569883
## Max. : 3.381307 Max. : 4.59211 Max. : 1.882595
##
## ZARQbroj
## Min. :-0.230967
## 1st Qu.:-0.217458
## Median :-0.209353
## Mean : 0.008608
## 3rd Qu.:-0.200947
## Max. : 7.664176
##
summary(final.test)
## ID Pol Uzrast UzrasnaGrupa
## Min. : 3.0 Min. :1.000 Min. : 83.0 Min. :1.000
## 1st Qu.:115.0 1st Qu.:1.000 1st Qu.: 96.0 1st Qu.:2.000
## Median :265.0 Median :1.000 Median :107.0 Median :3.000
## Mean :269.5 Mean :1.466 Mean :109.8 Mean :3.153
## 3rd Qu.:403.0 3rd Qu.:2.000 3rd Qu.:124.0 3rd Qu.:4.000
## Max. :598.0 Max. :2.000 Max. :156.0 Max. :5.000
##
## Skola Razred Brzo_imenovanje Nizanje_kuglica
## Min. :1.000 Min. :0.000 Min. : 24.00 Min. :1.000
## 1st Qu.:1.000 1st Qu.:1.000 1st Qu.: 39.00 1st Qu.:4.000
## Median :3.000 Median :2.000 Median : 46.00 Median :5.000
## Mean :2.756 Mean :2.624 Mean : 48.88 Mean :5.201
## 3rd Qu.:4.000 3rd Qu.:4.000 3rd Qu.: 53.00 3rd Qu.:6.000
## Max. :5.000 Max. :5.000 Max. :185.00 Max. :8.000
## NA's :9
## Jednominutno_citanje Posturalna_stabilnost Fonemska_segmentacija
## Min. : 3.00 Min. : 0.000 Min. : 0.000
## 1st Qu.: 28.00 1st Qu.: 0.000 1st Qu.: 7.000
## Median : 45.00 Median : 3.000 Median : 9.000
## Mean : 45.16 Mean : 2.762 Mean : 8.344
## 3rd Qu.: 58.00 3rd Qu.: 4.000 3rd Qu.:10.000
## Max. :105.00 Max. :23.000 Max. :12.000
##
## Dvominutni_speling Brojcani_niz_unazad Citanje_besmislenog_teksta
## Min. : 0.000 Min. :0.000 Min. : 0.00
## 1st Qu.: 8.000 1st Qu.:2.000 1st Qu.:47.00
## Median : 8.000 Median :3.000 Median :59.00
## Mean : 9.519 Mean :2.476 Mean :52.87
## 3rd Qu.:12.000 3rd Qu.:3.000 3rd Qu.:65.00
## Max. :22.000 Max. :5.000 Max. :83.00
##
## Jednominutno_pisanje Verbalna_fluentnost Semanticka_fluentnost
## Min. : 0.00 Min. : 1.000 Min. : 2.0
## 1st Qu.: 5.00 1st Qu.: 7.000 1st Qu.:13.0
## Median : 7.00 Median : 8.000 Median :16.0
## Mean : 7.72 Mean : 8.878 Mean :15.8
## 3rd Qu.:11.00 3rd Qu.:11.000 3rd Qu.:19.0
## Max. :24.00 Max. :25.000 Max. :28.0
##
## Vokabular ARQbroj ARQkat RecnikSKOR
## Min. : 7.00 Min. : 0.000 Min. :1.000 Min. : 79.0
## 1st Qu.:12.00 1st Qu.: 0.450 1st Qu.:1.000 1st Qu.:100.0
## Median :13.00 Median : 0.720 Median :2.000 Median :106.0
## Mean :13.11 Mean : 7.025 Mean :2.122 Mean :107.9
## 3rd Qu.:14.00 3rd Qu.: 1.000 3rd Qu.:3.000 3rd Qu.:122.0
## Max. :16.00 Max. :181.000 Max. :4.000 Max. :138.0
## NA's :178
## RecnikKAT OcenaSrp Citanje Disleksija
## Min. :1.000 Min. :2.000 Min. :0.000 0:180
## 1st Qu.:3.000 1st Qu.:3.000 1st Qu.:2.000 1: 9
## Median :3.000 Median :3.000 Median :3.000
## Mean :3.636 Mean :3.455 Mean :2.615
## 3rd Qu.:5.000 3rd Qu.:4.000 3rd Qu.:3.000
## Max. :6.000 Max. :5.000 Max. :5.000
## NA's :178 NA's :178 NA's :176
## ZBrzo_imenovanje ZNizanje_kuglica ZJednominutno_citanje
## Min. :-1.3726 Min. :-2.6082 Min. :-1.92476
## 1st Qu.:-0.5113 1st Qu.:-0.8208 1st Qu.:-0.80248
## Median :-0.1093 Median :-0.2251 Median :-0.03933
## Mean : 0.0563 Mean :-0.1053 Mean :-0.03197
## 3rd Qu.: 0.2927 3rd Qu.: 0.3707 3rd Qu.: 0.54425
## Max. : 7.8727 Max. : 1.5623 Max. : 2.65414
##
## ZPosturalna_stabilnost ZFonemska_segmentacija ZDvominutni_speling
## Min. :-0.93336 Min. :-2.99470 Min. :-2.55042
## 1st Qu.:-0.93336 1st Qu.:-0.51179 1st Qu.:-0.44388
## Median : 0.07237 Median : 0.19762 Median :-0.44388
## Mean :-0.00745 Mean :-0.03509 Mean :-0.04403
## 3rd Qu.: 0.40762 3rd Qu.: 0.55232 3rd Qu.: 0.60939
## Max. : 6.77726 Max. : 1.26173 Max. : 3.24256
##
## ZBrojcani_niz_unazad ZCitanje_besmislenog_teksta ZJednominutno_pisanje
## Min. :-2.428736 Min. :-2.85578 Min. :-1.92678
## 1st Qu.:-0.459491 1st Qu.:-0.32708 1st Qu.:-0.70411
## Median : 0.525132 Median : 0.31854 Median :-0.21504
## Mean : 0.009377 Mean :-0.01139 Mean :-0.03907
## 3rd Qu.: 0.525132 3rd Qu.: 0.64136 3rd Qu.: 0.76311
## Max. : 2.494378 Max. : 1.60979 Max. : 3.94206
##
## ZVerbalna_fluentnost ZSemanticka_fluentnost ZVokabular
## Min. :-2.16832 Min. :-2.71352 Min. :-4.02461
## 1st Qu.:-0.50343 1st Qu.:-0.59873 1st Qu.:-0.74283
## Median :-0.22595 Median :-0.02197 Median :-0.08647
## Mean : 0.01776 Mean :-0.05961 Mean :-0.01354
## 3rd Qu.: 0.60650 3rd Qu.: 0.55479 3rd Qu.: 0.56988
## Max. : 4.49123 Max. : 2.28507 Max. : 1.88260
##
## ZARQbroj
## Min. :-0.23097
## 1st Qu.:-0.21746
## Median :-0.20935
## Mean :-0.02009
## 3rd Qu.:-0.20095
## Max. : 5.20257
##
#logit model with all predictors with 3 fold cross validation
fitControl <- trainControl(## 10-fold CV
method = "cv",
number = 3,
savePredictions = TRUE
)
#MODEL 1 - sve i uzrast i konacni skor i svi subtestovi
model1<-caret::train(Disleksija ~ Uzrast +
Brzo_imenovanje +
Nizanje_kuglica +
Jednominutno_citanje +
Posturalna_stabilnost +
Fonemska_segmentacija +
Dvominutni_speling +
Brojcani_niz_unazad +
Citanje_besmislenog_teksta +
Jednominutno_pisanje +
Verbalna_fluentnost +
Semanticka_fluentnost +
Vokabular +
ARQbroj,data=disleksija,method="glm",family=binomial(),
trControl=fitControl)
print(model1)
## Generalized Linear Model
##
## 630 samples
## 14 predictor
## 2 classes: '0', '1'
##
## No pre-processing
## Resampling: Cross-Validated (3 fold)
## Summary of sample sizes: 420, 420, 420
## Resampling results:
##
## Accuracy Kappa
## 0.9968254 0.9649209
pred <- predict(model1, newdata = final.test, type = "raw")
confusionMatrix(pred, final.test$Disleksija)
## Confusion Matrix and Statistics
##
## Reference
## Prediction 0 1
## 0 180 0
## 1 0 9
##
## Accuracy : 1
## 95% CI : (0.9807, 1)
## No Information Rate : 0.9524
## P-Value [Acc > NIR] : 9.891e-05
##
## Kappa : 1
## Mcnemar's Test P-Value : NA
##
## Sensitivity : 1.0000
## Specificity : 1.0000
## Pos Pred Value : 1.0000
## Neg Pred Value : 1.0000
## Prevalence : 0.9524
## Detection Rate : 0.9524
## Detection Prevalence : 0.9524
## Balanced Accuracy : 1.0000
##
## 'Positive' Class : 0
##
#pravljenje kolicnika sansi (OR, odds ratio) (exp (b))
##eksponenciranje svakog regresionog koeficijenta, odnosno zakljucivanje koliko se promeni kolicnik sanse
#ishoda kada se promeni prediktor za jednu jedinicu a svi ostali se drze konstantnim KS=KS(x+1)/KS(x)
#za kategoricke prediktore ovo znaci direktnu promenu Å¡anse za svaku kategoriju prediktora
#verovatnoca = proporcija entiteta u jednoj kategoriji
#Å¡ansa = p/(1-5); za p=0,5 sansa je 1
#kolicnik Sansi K1/K2; ako je kolicnik sanse za prediktor (exp(b)=2) to znaci da ako se prediktor poveca
#za 1 canse da kriterijum promeni vrednost rastu dva puta
#pravljenje kolicnika Å¡ansi (OR, odds ratio) (exp (b))
exp(coef(model1$finalModel))
## (Intercept) Uzrast
## 1.178924e-47 2.029813e+00
## Brzo_imenovanje Nizanje_kuglica
## 1.167289e+00 3.529016e+01
## Jednominutno_citanje Posturalna_stabilnost
## 7.957515e-01 2.346073e+00
## Fonemska_segmentacija Dvominutni_speling
## 7.120272e-05 1.354161e-01
## Brojcani_niz_unazad Citanje_besmislenog_teksta
## 3.908359e+06 4.105399e+00
## Jednominutno_pisanje Verbalna_fluentnost
## 1.346875e-03 5.739965e-01
## Semanticka_fluentnost Vokabular
## 2.942871e+00 7.716743e-03
## ARQbroj
## 3.653090e+00
#stepwise model koji ubacije prediktor po prediktor i racuna AIC za svakog od njih. AIC = 2k - 2ln(L), gde
#je L maksimalna vrednost funkcije maksimalne verodostojnosti a k broj prediktora. Sto manji AIC
#to model bolje i optimalnije, sa manjim brojem prediktora predvidja zeljeni ishod
#kolicnici sansi za step logit model
logit <- glm(formula = Disleksija ~ Uzrast +
Brzo_imenovanje +
Nizanje_kuglica +
Jednominutno_citanje +
Posturalna_stabilnost +
Fonemska_segmentacija +
Dvominutni_speling +
Brojcani_niz_unazad +
Citanje_besmislenog_teksta +
Jednominutno_pisanje +
Verbalna_fluentnost +
Semanticka_fluentnost +
Vokabular +
ARQbroj, family = binomial(logit), data = disleksija, control = list(maxit = 50))
summary(logit)
##
## Call:
## glm(formula = Disleksija ~ Uzrast + Brzo_imenovanje + Nizanje_kuglica +
## Jednominutno_citanje + Posturalna_stabilnost + Fonemska_segmentacija +
## Dvominutni_speling + Brojcani_niz_unazad + Citanje_besmislenog_teksta +
## Jednominutno_pisanje + Verbalna_fluentnost + Semanticka_fluentnost +
## Vokabular + ARQbroj, family = binomial(logit), data = disleksija,
## control = list(maxit = 50))
##
## Deviance Residuals:
## Min 1Q Median 3Q Max
## -1.092e-05 -2.110e-08 -2.110e-08 -2.110e-08 1.138e-05
##
## Coefficients:
## Estimate Std. Error z value Pr(>|z|)
## (Intercept) -1.327e+02 3.118e+06 0 1
## Uzrast 8.876e-01 1.061e+04 0 1
## Brzo_imenovanje 1.853e-01 1.931e+04 0 1
## Nizanje_kuglica 4.670e+00 1.454e+05 0 1
## Jednominutno_citanje -2.967e-01 2.088e+04 0 1
## Posturalna_stabilnost 1.053e+00 4.474e+04 0 1
## Fonemska_segmentacija -1.213e+01 1.036e+05 0 1
## Dvominutni_speling -2.485e+00 4.809e+04 0 1
## Brojcani_niz_unazad 1.922e+01 1.109e+05 0 1
## Citanje_besmislenog_teksta 1.794e+00 5.997e+03 0 1
## Jednominutno_pisanje -8.352e+00 6.488e+04 0 1
## Verbalna_fluentnost -6.059e-01 5.967e+04 0 1
## Semanticka_fluentnost 1.345e+00 2.194e+04 0 1
## Vokabular -6.423e+00 1.889e+05 0 1
## ARQbroj 1.628e+00 7.395e+03 0 1
##
## (Dispersion parameter for binomial family taken to be 1)
##
## Null deviance: 2.4122e+02 on 629 degrees of freedom
## Residual deviance: 3.6749e-10 on 615 degrees of freedom
## AIC: 30
##
## Number of Fisher Scoring iterations: 30
logit1 <- step(logit)
## Start: AIC=30
## Disleksija ~ Uzrast + Brzo_imenovanje + Nizanje_kuglica + Jednominutno_citanje +
## Posturalna_stabilnost + Fonemska_segmentacija + Dvominutni_speling +
## Brojcani_niz_unazad + Citanje_besmislenog_teksta + Jednominutno_pisanje +
## Verbalna_fluentnost + Semanticka_fluentnost + Vokabular +
## ARQbroj
##
## Df Deviance AIC
## - Citanje_besmislenog_teksta 1 0.00 28.00
## - Brzo_imenovanje 1 0.00 28.00
## - Jednominutno_citanje 1 0.00 28.00
## - Verbalna_fluentnost 1 0.00 28.00
## - Posturalna_stabilnost 1 0.00 28.00
## - Vokabular 1 0.00 28.00
## - Dvominutni_speling 1 0.00 28.00
## - Nizanje_kuglica 1 0.00 28.00
## - Brojcani_niz_unazad 1 0.00 28.00
## - Uzrast 1 0.00 28.00
## - Semanticka_fluentnost 1 0.00 28.00
## - Jednominutno_pisanje 1 0.00 28.00
## - Fonemska_segmentacija 1 0.00 28.00
## <none> 0.00 30.00
## - ARQbroj 1 143.66 171.66
##
## Step: AIC=28
## Disleksija ~ Uzrast + Brzo_imenovanje + Nizanje_kuglica + Jednominutno_citanje +
## Posturalna_stabilnost + Fonemska_segmentacija + Dvominutni_speling +
## Brojcani_niz_unazad + Jednominutno_pisanje + Verbalna_fluentnost +
## Semanticka_fluentnost + Vokabular + ARQbroj
##
## Df Deviance AIC
## - Verbalna_fluentnost 1 0.00 26.00
## - Brzo_imenovanje 1 0.00 26.00
## - Brojcani_niz_unazad 1 0.00 26.00
## - Vokabular 1 0.00 26.00
## - Posturalna_stabilnost 1 0.00 26.00
## - Nizanje_kuglica 1 0.00 26.00
## - Uzrast 1 0.00 26.00
## - Jednominutno_citanje 1 0.00 26.00
## - Semanticka_fluentnost 1 0.00 26.00
## - Dvominutni_speling 1 0.00 26.00
## - Jednominutno_pisanje 1 0.00 26.00
## - Fonemska_segmentacija 1 0.00 26.00
## <none> 0.00 28.00
## - ARQbroj 1 144.33 170.33
##
## Step: AIC=26
## Disleksija ~ Uzrast + Brzo_imenovanje + Nizanje_kuglica + Jednominutno_citanje +
## Posturalna_stabilnost + Fonemska_segmentacija + Dvominutni_speling +
## Brojcani_niz_unazad + Jednominutno_pisanje + Semanticka_fluentnost +
## Vokabular + ARQbroj
##
## Df Deviance AIC
## - Brojcani_niz_unazad 1 0.00 24.00
## - Brzo_imenovanje 1 0.00 24.00
## - Vokabular 1 0.00 24.00
## - Posturalna_stabilnost 1 0.00 24.00
## - Nizanje_kuglica 1 0.00 24.00
## - Uzrast 1 0.00 24.00
## - Jednominutno_citanje 1 0.00 24.00
## - Semanticka_fluentnost 1 0.00 24.00
## - Dvominutni_speling 1 0.00 24.00
## - Jednominutno_pisanje 1 0.00 24.00
## - Fonemska_segmentacija 1 0.00 24.00
## <none> 0.00 26.00
## - ARQbroj 1 146.61 170.61
##
## Step: AIC=24
## Disleksija ~ Uzrast + Brzo_imenovanje + Nizanje_kuglica + Jednominutno_citanje +
## Posturalna_stabilnost + Fonemska_segmentacija + Dvominutni_speling +
## Jednominutno_pisanje + Semanticka_fluentnost + Vokabular +
## ARQbroj
##
## Df Deviance AIC
## - Brzo_imenovanje 1 0.00 22.00
## - Vokabular 1 0.00 22.00
## - Posturalna_stabilnost 1 0.00 22.00
## - Nizanje_kuglica 1 0.00 22.00
## - Uzrast 1 0.00 22.00
## - Jednominutno_citanje 1 0.00 22.00
## - Semanticka_fluentnost 1 0.00 22.00
## - Dvominutni_speling 1 0.00 22.00
## - Jednominutno_pisanje 1 0.00 22.00
## - Fonemska_segmentacija 1 0.00 22.00
## <none> 0.00 24.00
## - ARQbroj 1 147.05 169.05
##
## Step: AIC=22
## Disleksija ~ Uzrast + Nizanje_kuglica + Jednominutno_citanje +
## Posturalna_stabilnost + Fonemska_segmentacija + Dvominutni_speling +
## Jednominutno_pisanje + Semanticka_fluentnost + Vokabular +
## ARQbroj
##
## Df Deviance AIC
## - Vokabular 1 0.00 20.00
## - Posturalna_stabilnost 1 0.00 20.00
## - Nizanje_kuglica 1 0.00 20.00
## - Uzrast 1 0.00 20.00
## - Jednominutno_citanje 1 0.00 20.00
## - Semanticka_fluentnost 1 0.00 20.00
## - Dvominutni_speling 1 0.00 20.00
## - Jednominutno_pisanje 1 0.00 20.00
## - Fonemska_segmentacija 1 0.00 20.00
## <none> 0.00 22.00
## - ARQbroj 1 147.84 167.84
##
## Step: AIC=20
## Disleksija ~ Uzrast + Nizanje_kuglica + Jednominutno_citanje +
## Posturalna_stabilnost + Fonemska_segmentacija + Dvominutni_speling +
## Jednominutno_pisanje + Semanticka_fluentnost + ARQbroj
##
## Df Deviance AIC
## - Posturalna_stabilnost 1 0.00 18.00
## - Nizanje_kuglica 1 0.00 18.00
## - Uzrast 1 0.00 18.00
## - Jednominutno_citanje 1 0.00 18.00
## - Dvominutni_speling 1 0.00 18.00
## - Semanticka_fluentnost 1 0.00 18.00
## - Jednominutno_pisanje 1 0.00 18.00
## - Fonemska_segmentacija 1 0.00 18.00
## <none> 0.00 20.00
## - ARQbroj 1 147.98 165.98
##
## Step: AIC=18
## Disleksija ~ Uzrast + Nizanje_kuglica + Jednominutno_citanje +
## Fonemska_segmentacija + Dvominutni_speling + Jednominutno_pisanje +
## Semanticka_fluentnost + ARQbroj
##
## Df Deviance AIC
## - Fonemska_segmentacija 1 0.0 16.0
## - Nizanje_kuglica 1 0.0 16.0
## - Jednominutno_citanje 1 0.0 16.0
## - Uzrast 1 0.0 16.0
## - Dvominutni_speling 1 0.0 16.0
## - Semanticka_fluentnost 1 0.0 16.0
## - Jednominutno_pisanje 1 0.0 16.0
## <none> 0.0 18.0
## - ARQbroj 1 148.6 164.6
##
## Step: AIC=16
## Disleksija ~ Uzrast + Nizanje_kuglica + Jednominutno_citanje +
## Dvominutni_speling + Jednominutno_pisanje + Semanticka_fluentnost +
## ARQbroj
##
## Df Deviance AIC
## - Uzrast 1 0.00 14.00
## - Nizanje_kuglica 1 0.00 14.00
## - Semanticka_fluentnost 1 0.00 14.00
## - Dvominutni_speling 1 0.00 14.00
## - Jednominutno_citanje 1 0.00 14.00
## - Jednominutno_pisanje 1 0.00 14.00
## <none> 0.00 16.00
## - ARQbroj 1 154.94 168.94
##
## Step: AIC=14
## Disleksija ~ Nizanje_kuglica + Jednominutno_citanje + Dvominutni_speling +
## Jednominutno_pisanje + Semanticka_fluentnost + ARQbroj
##
## Df Deviance AIC
## - Nizanje_kuglica 1 0.00 12.00
## - Dvominutni_speling 1 0.00 12.00
## - Semanticka_fluentnost 1 0.00 12.00
## - Jednominutno_citanje 1 0.00 12.00
## <none> 0.00 14.00
## - Jednominutno_pisanje 1 144.18 156.18
## - ARQbroj 1 202.10 214.10
##
## Step: AIC=12
## Disleksija ~ Jednominutno_citanje + Dvominutni_speling + Jednominutno_pisanje +
## Semanticka_fluentnost + ARQbroj
##
## Df Deviance AIC
## - Dvominutni_speling 1 0.00 10.00
## - Jednominutno_citanje 1 0.00 10.00
## - Jednominutno_pisanje 1 0.00 10.00
## - Semanticka_fluentnost 1 0.00 10.00
## <none> 0.00 12.00
## - ARQbroj 1 203.76 213.76
##
## Step: AIC=10
## Disleksija ~ Jednominutno_citanje + Jednominutno_pisanje + Semanticka_fluentnost +
## ARQbroj
##
## Df Deviance AIC
## - Jednominutno_citanje 1 0.000 8.000
## <none> 0.000 10.000
## - Semanticka_fluentnost 1 3.614 11.614
## - ARQbroj 1 204.733 212.733
## - Jednominutno_pisanje 1 216.262 224.262
##
## Step: AIC=8
## Disleksija ~ Jednominutno_pisanje + Semanticka_fluentnost + ARQbroj
##
## Df Deviance AIC
## <none> 0.000 8.000
## - Semanticka_fluentnost 1 4.175 10.175
## - Jednominutno_pisanje 1 72.087 78.087
## - ARQbroj 1 206.380 212.380
summary(logit1)
##
## Call:
## glm(formula = Disleksija ~ Jednominutno_pisanje + Semanticka_fluentnost +
## ARQbroj, family = binomial(logit), data = disleksija, control = list(maxit = 50))
##
## Deviance Residuals:
## Min 1Q Median 3Q Max
## -1.611e-05 -2.110e-08 -2.110e-08 -2.110e-08 2.075e-05
##
## Coefficients:
## Estimate Std. Error z value Pr(>|z|)
## (Intercept) -153.636 192505.126 -0.001 0.999
## Jednominutno_pisanje -41.842 88424.326 0.000 1.000
## Semanticka_fluentnost 3.174 4798.191 0.001 0.999
## ARQbroj 43.925 52526.300 0.001 0.999
##
## (Dispersion parameter for binomial family taken to be 1)
##
## Null deviance: 2.4122e+02 on 629 degrees of freedom
## Residual deviance: 1.0133e-09 on 626 degrees of freedom
## AIC: 8
##
## Number of Fisher Scoring iterations: 33
#MODEL 2 - uzrast i konacni skor
model2<-caret::train(Disleksija ~ Uzrast + ARQbroj,data=disleksija,method="glm",family=binomial(),
trControl=fitControl)
print(model2)
## Generalized Linear Model
##
## 630 samples
## 2 predictor
## 2 classes: '0', '1'
##
## No pre-processing
## Resampling: Cross-Validated (3 fold)
## Summary of sample sizes: 420, 420, 420
## Resampling results:
##
## Accuracy Kappa
## 0.9984127 0.9816273
pred2 <- predict(model2, newdata = final.test, type = "raw")
confusionMatrix(pred2, final.test$Disleksija)
## Confusion Matrix and Statistics
##
## Reference
## Prediction 0 1
## 0 180 0
## 1 0 9
##
## Accuracy : 1
## 95% CI : (0.9807, 1)
## No Information Rate : 0.9524
## P-Value [Acc > NIR] : 9.891e-05
##
## Kappa : 1
## Mcnemar's Test P-Value : NA
##
## Sensitivity : 1.0000
## Specificity : 1.0000
## Pos Pred Value : 1.0000
## Neg Pred Value : 1.0000
## Prevalence : 0.9524
## Detection Rate : 0.9524
## Detection Prevalence : 0.9524
## Balanced Accuracy : 1.0000
##
## 'Positive' Class : 0
##
#pravljenje kolicnika sansi (OR, odds ratio) (exp (b))
##eksponenciranje svakog regresionog koeficijenta, odnosno zakljucivanje koliko se promeni kolicnik sanse
#ishoda kada se promeni prediktor za jednu jedinicu a svi ostali se drze konstantnim KS=KS(x+1)/KS(x)
#za kategoricke prediktore ovo znaci direktnu promenu Å¡anse za svaku kategoriju prediktora
#verovatnoca = proporcija entiteta u jednoj kategoriji
#Å¡ansa = p/(1-5); za p=0,5 sansa je 1
#kolicnik Sansi K1/K2; ako je kolicnik sanse za prediktor (exp(b)=2) to znaci da ako se prediktor poveca
#za 1 canse da kriterijum promeni vrednost rastu dva puta
#pravljenje kolicnika Å¡ansi (OR, odds ratio) (exp (b))
exp(coef(model2$finalModel))
## (Intercept) Uzrast ARQbroj
## 0 0 Inf
#Plotovanje
model_plot <- glm(Disleksija ~ ARQbroj,data=disleksija, binomial)
xARQbroj <-seq (0, 263, 0.01)
y <- predict(model_plot, list(ARQbroj=xARQbroj),type="response")
plot(disleksija$ARQbroj,disleksija$Disleksija, pch = 10, xlab = "Skor", ylab = "Disleksija")
lines(xARQbroj, y, col = "red", lwd = 1)
#MODEL3 - Sa standardizovanim skorovima, samo uzrast i subtestovi
model3<-caret::train(Disleksija ~ Uzrast +
Brzo_imenovanje +
Nizanje_kuglica +
Jednominutno_citanje +
Posturalna_stabilnost +
Fonemska_segmentacija +
Dvominutni_speling +
Brojcani_niz_unazad +
Citanje_besmislenog_teksta +
Jednominutno_pisanje +
Verbalna_fluentnost +
Semanticka_fluentnost +
Vokabular,data=disleksija,method="glm",family=binomial(),
trControl=fitControl)
print(model3)
## Generalized Linear Model
##
## 630 samples
## 13 predictor
## 2 classes: '0', '1'
##
## No pre-processing
## Resampling: Cross-Validated (3 fold)
## Summary of sample sizes: 420, 420, 420
## Resampling results:
##
## Accuracy Kappa
## 0.9539683 0.3655942
pred3 <- predict(model3, newdata = final.test, type = "raw")
confusionMatrix(pred2, final.test$Disleksija)
## Confusion Matrix and Statistics
##
## Reference
## Prediction 0 1
## 0 180 0
## 1 0 9
##
## Accuracy : 1
## 95% CI : (0.9807, 1)
## No Information Rate : 0.9524
## P-Value [Acc > NIR] : 9.891e-05
##
## Kappa : 1
## Mcnemar's Test P-Value : NA
##
## Sensitivity : 1.0000
## Specificity : 1.0000
## Pos Pred Value : 1.0000
## Neg Pred Value : 1.0000
## Prevalence : 0.9524
## Detection Rate : 0.9524
## Detection Prevalence : 0.9524
## Balanced Accuracy : 1.0000
##
## 'Positive' Class : 0
##
#MODEL 4 - bez uzrasta
model4<-caret::train(Disleksija ~ Brzo_imenovanje +
Nizanje_kuglica +
Jednominutno_citanje +
Posturalna_stabilnost +
Fonemska_segmentacija +
Dvominutni_speling +
Brojcani_niz_unazad +
Citanje_besmislenog_teksta +
Jednominutno_pisanje +
Verbalna_fluentnost +
Semanticka_fluentnost +
Vokabular,data=disleksija,method="glm",family=binomial(),
trControl=fitControl)
print(model4)
## Generalized Linear Model
##
## 630 samples
## 12 predictor
## 2 classes: '0', '1'
##
## No pre-processing
## Resampling: Cross-Validated (3 fold)
## Summary of sample sizes: 420, 420, 420
## Resampling results:
##
## Accuracy Kappa
## 0.947619 0.04782232
pred <- predict(model4, newdata = final.test, type = "raw")
confusionMatrix(pred, final.test$Disleksija)
## Confusion Matrix and Statistics
##
## Reference
## Prediction 0 1
## 0 180 9
## 1 0 0
##
## Accuracy : 0.9524
## 95% CI : (0.9115, 0.978)
## No Information Rate : 0.9524
## P-Value [Acc > NIR] : 0.587434
##
## Kappa : 0
## Mcnemar's Test P-Value : 0.007661
##
## Sensitivity : 1.0000
## Specificity : 0.0000
## Pos Pred Value : 0.9524
## Neg Pred Value : NaN
## Prevalence : 0.9524
## Detection Rate : 0.9524
## Detection Prevalence : 1.0000
## Balanced Accuracy : 0.5000
##
## 'Positive' Class : 0
##