Genel olarak güzel bir anlatım, teşekkürler. Hosmer-Lemeshow Testinin yorumlanması konusunda bir kafa karışıklığı oluştu bende. Önemli bir kaynakta bu test için p değerinin 0.05'ten büyük olduğu durumların prediksiyon değeri yüksek olan modellere işaret ettiği bilgisi yazılı (Aynen Kolmogorov-Smirnov Testinin yorumu gibi). Sizin veri setinizde 0.05'ten küçük olduğu halde modelin uyumlu olduğunu gösterir diyorsunuz sanırım. Tam tersi bir durum var sanki. Açıklık getirmeniz mümkün müdür? Ben mi yanlış anlıyorum? Teşekkürler.
Evet dogru Hosmer Lemeshow test icin p deger 0.05 den buyuk ise tahmin edilen model yeterli uyuma sahip, 0.05 den kucukse tahmin edilen model veriye yeteri kadar uyuma sahip degil anlamina gelir. Aciklamlara bu duzeltmeyi ekledim. Tesekkurler.
Çok anlaşılır ve açıklayıcı bir video olmuş elinize sağlık. Binary lojistik testi yaptığımda bir kategoride Exp(B) 95%CI değerim 5 basamaklı sayı olarak ( Exp (B) 39523,787 95%CI (,000-3,731E+125) ) çıktı. Ben bunu hiç anlamadım, nasıl yorumlamak ve ne yapmak gerekir.
Referans kategorisinin de analizini yapmak istiyorum. Options sekmesinin altındaki "include constant in model" tik işaretini kaldırdığımızda hepsinin analizini yapıyor ancak bu yapılana analiz doğru oluyor mu? Bu sonuçta referans katagorisinin olmaması problem mi? Referans katagorisinin analizini yapmak için hangi testi kullanmalıyız?
Merhaba 9:02 saniyede bahsettiğinizden anladığım üzere öncelikle güven aralığı değerinin 1'den büyük olması p değerini anlamlı kılmakta, bu aralık 1'den küçük ise p değeri anlamlı olsa da olmasa da önemsiz sayılmaktadır. Yani bir değişkenin p değeri anlamlı olsa dahi güven aralığı 1'den küçük değerlerden oluşuyor ise değişken anlamsızdır diyebilir miyiz? Aynı şekilde p değeri anlamsız olsa dahi odds güven aralığı değeri 1'i içeriyor ise bu değişken anlamlı mıdır? Bu konuda referans olabilecek kaynağımız var mıdır?
Merhaba, riskin istatistiksel olarak anlamli olmasi icin odds oraninin guven araliginin 1 degerini icermemesi gerekir. Guven araligi 1 i icermediginde p degeri onemli bulunmaktadir. Kaynak : Cok degiskenli istatistiksel yontemler (Reha Alpar) ve Discovering statistics using SPSS (Andy Field)
Öncelikle emeğinize sağlık. Bağımlı değişkenin kategorik bağımsız değişkenlerin ise hem kategorik hem de numerik olduğu veri setinde "Estimation terminated at iteration number 20 because maximum iterations has been reached. Final solution cannot be found. " hatası alıyorum. Bu probelmin çözümü için yöntem var mıdır acaba ? Şimdiden teşekkürler...
Veriniz de muhtemelen tam ayirma problemi var. Bu problem genelde veri seri kucul oldugunda ortaya cikar. Cozum olarak ya bu uyariyi gormezden gelin cunku diger degiskenler icin algoritma calisir ya da probleme sebep olan degiskeni cikarin veya tam ayirma problemine sebep olan degiskenin bazi kategorilerini atin baska bir yol olarak analiz icin exact testler kullanin.
Saygılarımla. Bağımsız değişken kategorikken örneğin kanser var yok ve metastazı var yok olsun aslında bu iki değişken kendi aralarında ilişkili kanser varsa metastazıda olma durumu yüksek. Bu kategorik değişkenler arasında multi korele bakılmalımı evetse nasıl bakcaz. Birde aynı bu değişkenlerde lojistik modelde değişkenlerin güven aralığı çıkmıyor bu nedenden olabilirmi ods ise 6 haneli çok yüksek sayı çıkıyor
Merhaba, bir degiskenin katsayisi, diger degiskenler sabit tutuldugunda, bir birim arttiginda bagimli degiskenindeki degisimin olcusu olarak yorumlanir. Eger bagimsiz degiskenler arasinda guclu bir iliski varsa bu yorum gecerli olmayabilir. Lojistik regresyonda katsayilari ya da standart hatalari asiri buyuk bulunan degiskenlerde baglanti sorunu incelenir. Normalde iki kategorik degisken arasindaki iliskiyi incelemek icin ki kare analizi kullanilir. Spss, lojistik regresyon analizinde coklu baglanti sorunu icin cikti vermiyor. Ama coklu baglanti icin gerekli olan vif ve tolerans degerlerini bulmak icin ayni bagimli ve bagimsiz degiskenleri kullanarak spss de lineer regresyon kullanilabilir.
Teşekkür ederim o kadar işleriniz arasında bu kadar hızlı yardım etmeniz minnettarlık doğrusu. Anlatım tarzınızdaki ayrıntı öğreticilikte hiç kaybolmaması dileğimle
merhaba, mann whiteyde, ki karede vs anlamlı bulduğumuz bir ilişkiyi lojistik regresyon analizinde anlamlı bulmaz isek ne düşünmeliyiz. Örneğin ANA titresiyle skleroderma organ tutulumları arasında ilişki olup olmadığını araştırıyoruz. mann whitneyde anlamlı olduğunu saptıyoruz ancak regresyonda anlamsız çıkıyor. Bunu nasıl yorumlamalıyız
Merhaba, bildiginiz gibi mann whitney u-testi iki bagimsiz orneklemi karsilastirmak icin kullanilir. Ikili lojistik regresyon da bagimli degisken iki deger alan kategorik degiskendir. Kullanilacak analiz degiskenlerin tipine ve varsayimlara gore degisir. Analizinizde bagimli degisken kategorikse ikili lojistik regresyon analizi yapabilirsiniz ancak iki surekli degiskeni karsilastiracaksaniz ve normallik gibi varsayimlar saglanmiyorsa o zaman mann whitney u-testini kullanabilirisiniz.
Merhaba. Burada risk faktörünü 1, risk olmayan faktörü 0 olarak kodlamamız gerekmiyor mu? Bu durumda sigara var=1, sigara yok=0 olması daha mantıklı olmaz mı?
@@TirendazAkademi Bu arada çok teşekkürler. Evet, onu gördüm. Ama output kısmında "Categorical variables codings" başlığı altında niye tam tersi olarak görünüyor, onu anlamadım.
B değerinin - (negatif) olmasına bir anlam atfetmemişsiniz. Ama burada sigaradaki B değeri -, dolayısıyla sigara içmek kanser riskini artırıyor; evet ilişki anlamlı değil, ama yine de sizin söylediğiniz gibi azaltmıyor, tam tersine artırıyor.
Hocam teşekkür ederim geri bildirimiz için. Bu videoyu yapalı çok uzun zaman oldu. Şu an üretken yapay zekaya yoğunlaştım. Uygun bir zamanda yazdıklarınızı kontrol edeceğim.
Hosmer Lemeshow bilgisi yanlış olmuş ama genel olarak anlatım için teşekkürler.
Hosmer Lemeshow p değerinin 0,05'ten küçük olması model uyumunun olmadığını gösterir, tersini söylemişsiniz.
teşekkurler
👍👍👍
Genel olarak güzel bir anlatım, teşekkürler. Hosmer-Lemeshow Testinin yorumlanması konusunda bir kafa karışıklığı oluştu bende. Önemli bir kaynakta bu test için p değerinin 0.05'ten büyük olduğu durumların prediksiyon değeri yüksek olan modellere işaret ettiği bilgisi yazılı (Aynen Kolmogorov-Smirnov Testinin yorumu gibi). Sizin veri setinizde 0.05'ten küçük olduğu halde modelin uyumlu olduğunu gösterir diyorsunuz sanırım. Tam tersi bir durum var sanki. Açıklık getirmeniz mümkün müdür? Ben mi yanlış anlıyorum? Teşekkürler.
Evet dogru Hosmer Lemeshow test icin p deger 0.05 den buyuk ise tahmin edilen model yeterli uyuma sahip, 0.05 den kucukse tahmin edilen model veriye yeteri kadar uyuma sahip degil anlamina gelir. Aciklamlara bu duzeltmeyi ekledim. Tesekkurler.
Teşekkür ederim. Devam çalışmalarınızı da bekliyoruz. Sigara değişkeni model için anlamlı olmadığı halde neden Log Regresyon modeline koyduk.
Ilginiz icin biz tesekkur ederiz. Sigara degiskeninin anlamlilik degeri 0.05 den kucuk ciktigi icin modele konmayabilir.
Çok anlaşılır ve açıklayıcı bir video olmuş elinize sağlık. Binary lojistik testi yaptığımda bir kategoride Exp(B) 95%CI değerim 5 basamaklı sayı olarak ( Exp (B) 39523,787 95%CI (,000-3,731E+125) ) çıktı. Ben bunu hiç anlamadım, nasıl yorumlamak ve ne yapmak gerekir.
Referans kategorisinin de analizini yapmak istiyorum. Options sekmesinin altındaki "include constant in model" tik işaretini kaldırdığımızda hepsinin analizini yapıyor ancak bu yapılana analiz doğru oluyor mu? Bu sonuçta referans katagorisinin olmaması problem mi?
Referans katagorisinin analizini yapmak için hangi testi kullanmalıyız?
Merhaba 9:02 saniyede bahsettiğinizden anladığım üzere öncelikle güven aralığı değerinin 1'den büyük olması p değerini anlamlı kılmakta, bu aralık 1'den küçük ise p değeri anlamlı olsa da olmasa da önemsiz sayılmaktadır. Yani bir değişkenin p değeri anlamlı olsa dahi güven aralığı 1'den küçük değerlerden oluşuyor ise değişken anlamsızdır diyebilir miyiz? Aynı şekilde p değeri anlamsız olsa dahi odds güven aralığı değeri 1'i içeriyor ise bu değişken anlamlı mıdır? Bu konuda referans olabilecek kaynağımız var mıdır?
Merhaba, riskin istatistiksel olarak anlamli olmasi icin odds oraninin guven araliginin 1 degerini icermemesi gerekir. Guven araligi 1 i icermediginde p degeri onemli bulunmaktadir.
Kaynak : Cok degiskenli istatistiksel yontemler (Reha Alpar) ve Discovering statistics using SPSS (Andy Field)
Öncelikle emeğinize sağlık. Bağımlı değişkenin kategorik bağımsız değişkenlerin ise hem kategorik hem de numerik olduğu veri setinde "Estimation terminated at iteration number 20 because maximum iterations has been reached. Final solution cannot be found.
" hatası alıyorum. Bu probelmin çözümü için yöntem var mıdır acaba ? Şimdiden teşekkürler...
Veriniz de muhtemelen tam ayirma problemi var. Bu problem genelde veri seri kucul oldugunda ortaya cikar. Cozum olarak ya bu uyariyi gormezden gelin cunku diger degiskenler icin algoritma calisir ya da probleme sebep olan degiskeni cikarin veya tam ayirma problemine sebep olan degiskenin bazi kategorilerini atin baska bir yol olarak analiz icin exact testler kullanin.
Saygılarımla. Bağımsız değişken kategorikken örneğin kanser var yok ve metastazı var yok olsun aslında bu iki değişken kendi aralarında ilişkili kanser varsa metastazıda olma durumu yüksek. Bu kategorik değişkenler arasında multi korele bakılmalımı evetse nasıl bakcaz. Birde aynı bu değişkenlerde lojistik modelde değişkenlerin güven aralığı çıkmıyor bu nedenden olabilirmi ods ise 6 haneli çok yüksek sayı çıkıyor
Merhaba, bir degiskenin katsayisi, diger degiskenler sabit tutuldugunda, bir birim arttiginda bagimli degiskenindeki degisimin olcusu olarak yorumlanir. Eger bagimsiz degiskenler arasinda guclu bir iliski varsa bu yorum gecerli olmayabilir. Lojistik regresyonda katsayilari ya da standart hatalari asiri buyuk bulunan degiskenlerde baglanti sorunu incelenir. Normalde iki kategorik degisken arasindaki iliskiyi incelemek icin ki kare analizi kullanilir. Spss, lojistik regresyon analizinde coklu baglanti sorunu icin cikti vermiyor. Ama coklu baglanti icin gerekli olan vif ve tolerans degerlerini bulmak icin ayni bagimli ve bagimsiz degiskenleri kullanarak spss de lineer regresyon kullanilabilir.
Teşekkür ederim o kadar işleriniz arasında bu kadar hızlı yardım etmeniz minnettarlık doğrusu. Anlatım tarzınızdaki ayrıntı öğreticilikte hiç kaybolmaması dileğimle
Cok tesekkur ederiz 👍 Iyi calismalar dileriz 😀
Merhabalar çok gğzel bir video çok faydalı oldu.
Sorum şu ki covariate kısmına kaç değişken ekleyebiliriz bir sınır var mıdır?
covariate degiskenler icin benim bildigim net bir sayi yok. Bu degiskenleri ekle cikar yaparak modelin performansini inceleyebilirsiniz.
merhaba, mann whiteyde, ki karede vs anlamlı bulduğumuz bir ilişkiyi lojistik regresyon analizinde anlamlı bulmaz isek ne düşünmeliyiz. Örneğin ANA titresiyle skleroderma organ tutulumları arasında ilişki olup olmadığını araştırıyoruz. mann whitneyde anlamlı olduğunu saptıyoruz ancak regresyonda anlamsız çıkıyor. Bunu nasıl yorumlamalıyız
Merhaba, bildiginiz gibi mann whitney u-testi iki bagimsiz orneklemi karsilastirmak icin kullanilir. Ikili lojistik regresyon da bagimli degisken iki deger alan kategorik degiskendir. Kullanilacak analiz degiskenlerin tipine ve varsayimlara gore degisir. Analizinizde bagimli degisken kategorikse ikili lojistik regresyon analizi yapabilirsiniz ancak iki surekli degiskeni karsilastiracaksaniz ve normallik gibi varsayimlar saglanmiyorsa o zaman mann whitney u-testini kullanabilirisiniz.
Merhabalar kolay gelsin. Kullandığınız veri setini paylaşabilir misiniz rica etsem?🙏🏽
Veri setine asagidaki linkten ulasabilirsiniz.
bit.ly/2yUp5Id
size bir soru sormak istiyorum.
lojistik regresyonda omnibus testte p>0.05 ve wald testte constant p
Model anlamsiz constant anlamli cikmis. Bazi durumlarda wald istatistik yanlis cikabilir.
Merhaba. Burada risk faktörünü 1, risk olmayan faktörü 0 olarak kodlamamız gerekmiyor mu? Bu durumda sigara var=1, sigara yok=0 olması daha mantıklı olmaz mı?
Zaten oyle su dakikaya bakabilirsiniz => 00:58
@@TirendazAkademi Bu arada çok teşekkürler. Evet, onu gördüm. Ama output kısmında "Categorical variables codings" başlığı altında niye tam tersi olarak görünüyor, onu anlamadım.
B değerinin - (negatif) olmasına bir anlam atfetmemişsiniz. Ama burada sigaradaki B değeri -, dolayısıyla sigara içmek kanser riskini artırıyor; evet ilişki anlamlı değil, ama yine de sizin söylediğiniz gibi azaltmıyor, tam tersine artırıyor.
Hocam teşekkür ederim geri bildirimiz için. Bu videoyu yapalı çok uzun zaman oldu. Şu an üretken yapay zekaya yoğunlaştım. Uygun bir zamanda yazdıklarınızı kontrol edeceğim.