Hej Nils

Det er standard i forbindelse med logistiske regressioner at udregne dette eller hint mål for modellens prediktionsevne. Et af disse mål er ideen om "perfect prediction" (PP). PP er et fænomen som dækker over, at én (bestemt) værdi ved en forklarende variabel er associeret med én (bestemt) værdi på den afhængige variabel. PP er med andre ord en advarsel om, at der kun er meget begrænset variation i en given empirisk analyse. Hvis PP optræder bør man nok genoverveje den logistiske model som analyseres.

Mvh.

Mads

Hej Nils

Yes, "risikoen" for PP afhænger naturligvis også af størrelsen på dit datasæt. Jo færre observationer desto mindre variation i datasættet; især hvis din afhængige variabel er binær (som jo er den mindst varierende form for afhængig variabel man kan have).

Er din afhængige variabel født som binær eller har du omkodet den? Du kan jo sagtens kave den logistiske regression med en variabel med mere flere end to udfald (multinomial logistisk regression) eller med en ordinal, kategoriel variabel (ordinal logistisk regression). Det ville give mere variation i din analyse og reducere risikoen for PP.

Mvh.

Mads

Hej Nils

Ak, desværre ikke. Det ligger jo til kvantitative metoder at jo mindre datasæt desto større er usikkerheden. Men små stikprøver betyder ikke nødvendigvis at en sammenhæng ikke er der; kun at der er for få obserationer i datasættet til at man kan afvise tilfældighed :-)

/Mads