STATISTIK-FORUM.de

[Dr.Schulz]

Hallo,

ich habe die woche mittels logistischer regression verschiedene modellparameter auf ihre vorhersagekraft getestet.
Kann ich mit eineme test die modellparameter kombinieren und dann ihre prognostische aussagekraft testen?
Oder gibt es irgendein vorgehen um die sentitivsten modelparameter zu kombinieren um letztendlich einen
modellparameter herzuleiten mit der höchsten Odds Ratio.

Vielen danke für eure Hilfe!

VG
Torsten

[PonderStibbons]

Wie lauten denn das Thema und die Fragestellungen, welches ist die abhängige Variable,
wie viele und welche Prädiktorvariablen gibt es, wo stammen die Daten her und wie
groß ist die Stichprobe?

Mit freundlichen Grüßen

PonderStibbons

[Dr.Schulz]

N = 59, dichotome Zielgröße ist Gruppenzugehörigkeit zu A oder B, die variablen kommen von einer optischen messtechnik und lauten:

param. cut off Sens. Spec. PPV NPV
vHb_1 0,54 0,73 0,55 0,77 0,50
vHb_2 0,69 0,73 0,77 0,87 0,58
v0 0,65 0,78 0,66 0,83 0,60
xHb_1 0,35 0,78 0,44 0,75 0,50
xHb_2 0,89 0,89 0,66 0,85 0,75
flow_1 0,16 0,84 0,44 0,76 0,57
flow_2 0,06 0,94 0,66 0,85 0,85
xRate 0,47 0,84 0,55 0,80 0,62

Entweder die senisitivität ist hier sehr hoch oder die spezifität.

Ich würde diese o.g. variablen jetzt gerne zu einer modellvariable zusammenfassen um eine höchst mögliche sensitivität und spezifität zu erhalten.

Habt ihr dafür einen tipp? mit einer addition oder multiplikation kommt man da nicht weiter.

Würde gerne ne richtige grafik uploaden aber das scheint hier nicht zu funktionieren.

VG

[bele]

Ok, das sind also die Ergebnisse von 8 bivariaten Analysen? Hast Du eine multiple Regression versucht? Ist logistisch Regression als Verfahren gesetzt, oder hast Du da Freiheiten? Geht es um Wissenschaft oder darum, eine Prüfung zu bestehen? Steht Hb für Hämoglobin?

LG,
Bernhard

[Dr.Schulz]

ja von 8 bivariablen Analysen. die multiple regression ist doch für mehr als 2 antwortmöglichkeiten?! oder verstehe ich das falsch. die logistische ist nicht gesetzt. ja geht um wissenschaft.

[PonderStibbons]

Multiple logistiche Regression ist logistische Regression mit mehr als 1 Prädiktor.

Wenn Du Dein Modell auf Basis von ursprünfglich 8 Prädiktoren in einer
Stichprobe von gerade mal n=59 (davon maximal n=29 in der kleineren
Gruppe, die es vorherzusagen gilt) optimierst, wird zu fragen sein, ob es
nicht überangepasst ist und nicht mehr generaliserbar/übertragbar auf
weitere Daten. Oder hast Du danach die Möglichkeit, anhand eines
weiteren Datensatzes die Qualität Deines Modells zu überprüfen?

Wenn möglich, solltest Du aus inhaltlichen Überlegungen versuchen,
die Zahl der Prädiktoren zu reduzieren, bevor Du die multiple Regression
rechnest.

Mit freundlichen Grüßen

PonderStibbons

[Dr.Schulz]

ich hab mir überlegt es erstmal auf 3 bis 4 prädiktoren zu beschränken. welche prädiktoren würdet ihr denn rein theoretisch nehmen? ich hätte jetzt die sensitivsten genommen.

das model wird in einer 2. studie dann evaluiert. hoffentlich dieses jahr noch. hängt gerade viel an corona.

[PonderStibbons]

Auswahl nach theoretischen oder praktischen Erwägungen. Wenn Du das auf Basis von Vortests
am selben Datensatz machst, dann "weiß" die logistische Regression nicht, dass die Daten bereits
durchgekämmt wurden und sie das berücksichtigen müsste. Das führt zu irreführenden p-Werten
und häufig zu overfitting.

Just my 2pence

PonderStibbons

[bele]

Auswahl nach theoretischen oder praktischen Erwägungen führt. Wenn das nicht weiter hilft, kommt es darauf an, wie heilig Dir ein p-Wert in der Auswertung ist. Mein Vorschlag wäre, eine LASSO-Regression zu versuchen. Das ist zunächst einmal genau wie eine lineare Regression ( oder auch eine logistische Regression ) aber es gibt eine zusätzliche Schraube, einen Parameter . Mit kann man das Modell drängelnm nur niedrige Koeffizienten zu schätzen. Wenn man die Schraube allzu hart anzieht, dann werden alle Koeffizienten Null. Das ist langweilig. Wenn man dann die Schraube etwas lockert, dann wird sich der Einfluss eines Prädiktors doch durchsetzen und der Koeffizient wird positiv und wenn man dann den Druck zu niedrigen Koeffizienten langsam nachlässt, werden sich auch die anderen Prädiktoren nach und nach durchsetzen. Es entsteht so eine natürliche Reihung der Prädiktoren nach Ihrer Bedeutung/ihrem Einfluss. Was ist nun das "richtige" , das man verwenden sollte? Praktisch bestimmt man das über Kreuzvalidierung anhand der Daten selbst.

Die LASSO-Regression hat ihren natürlichen Platz in der Genetik und -omics, wo es oft viel mehr Prädiktoren als Beobachtungen gibt aber nach dem wenigen, was ich bisher über Deine Arbeit weiß, wäre sie einen Versuch wert. Man muss sich halt damit abfinden, dass die Auswahl der Prädiktoren nicht durch einen statistischen Test und damit ohne p-Wert entsteht.

Ein weiterer denkbarer Ansatz wäre ein RandomForest, der direkt ein variable importance measure ausgibt.

Ich habe Dir eine PN geschickt.

LG,
Bernhard

[Dr.Schulz]

Danke schön. habs jetzt mit der multimodalen logistischen regression gerechnet. die koeffezienten sahen ganz gut aus. auch die odds ratio. hab jetzt aus der gebildeten formel einen index wert bilden können, welcher ne ausreichende diagnostische treffsicherheit zeigt

VG für die viele hilfe