Binomiale Logistische Regression

Binomiale Logistische Regression: Alle Ergebnisse zusammengefasst

Hier noch einmal alle Ergebnisse der binomial logistischen Regressionsanalyse zusammengefasst:

Deutsch
Eine binomiale logistische Regression wurde berechnet, um zu überprüfen, inwieweit die Faktoren Geschlecht, Alter, Immunstatus, Schlaf und Zinkstatus dazu beitragen zu erkranken. Das Regressionsmodell war statistisch signifikant, χ²(5) = 602.34, p < .001, mit einer sehr guten Varianzaufklärung von Nagelkerkes R² = .891, gemäß den Empfehlungen von Backhaus et al. (2003). Der Gesamtprozentsatz korrekter Klassifikation war 95.1%, mit einer Sensitivität von 95.5% und einer Spezifität von 93.8%. Von den fünf Variablen, die in das Modell aufgenommen wurden, waren zwei signifikant, Schlaf (p < .001) und der Zinkfaktor (p < .001), während Geschlecht (p = .382), Alter (p = .228) und Immunfaktor (p = .456) keinen signifikanten Einfluss auf prädiktive Leistung des Modells hatten. Schlaf hatte eine protektive Wirkung, mit einem Odds von 0.469 (95%-KI[0.323, 0.682]), genauso wie der Zinkfaktor, mit einem Odds von 0.815 (95%-KI[0.778, 0.854]). Alle Modellkoeffizienten und Odds können Tabelle 1 entnommen werden.
English
A binomial logistic regression was performed to determine the effect of sex, age, immunofactor and zinc factor and predict the likelihood of contracting an illness. The binomial logistic regression model was statistically significant, χ²(5) = 602.34, p < .001, resulting in a large amount of explained variance (Backhaus et al., 2003), as shown by Nagelkerke’s R² = .891. Overall percentage of accuracy in classification was 95.1%, with a sensitivity of 95.5% and a  specificity of 93.8%. Of the five variables entered into the regression model, two contributed significantly in predicting illness: sleep (p < .001) and zinc status (p < .001), while the other variables showed no significant effect: sex (p = .382), age (p = .228) nor immunofactor (p = .456). Sleep had a protective effect, reducing the likelihood of contracting the disease, OR = 0.469 (95%-CI[0.323, 0.682]), as did zinc status, OR = 0.815 (95%-KI[0.778, 0.854]). All model coefficients and odds can be found in Table 1.

 

Table 1 / Tabelle 1

B SE Wald p Odds Ratio 95% CI for Odds Ratio
Lower Bound Upper Bound
Sex 0.382 0.437 .763 .382 1.464 0.622 3.447
Age 0.027 0.023 1.451 .228 1.028 0.983 1.075
Immunofactor -0.031 0.041 .556 .456 0.970 0.894 1.051
Hours of sleep -0.756 0.190 15.767 .000 0.469 0.323 0.682
Zinc status -0.204 0.024 73.817 .000 0.815 0.778 0.854
Constant 29.139 3.358 75.307 .000 4517396808263.838

Note. Degrees of freedom were 1 for all Wald statistics.

Literaturverzeichnis

  1. Backhaus, K., Erichson, B., Plinke, W., & Weiber, R. (2003). Multivariate Analysemethoden: Eine anwendungsorientierte Einführung (10th ed.). Berlin: Springer.
  2. Nagelkerke, N. J. D. (1991). A note on a general definition of the coefficient of determination. Biometrika, 78(3), 691–692. doi:10.1093/BIOMET/78.3.691