Outils de recherche › Binary Logistic Regression

Binary Logistic Regression

Analyse the effect of several factors on a binary outcome (e.g. occurred/not, effective/ineffective). Fitted by maximum likelihood (IRLS), it outputs each factor's OR (odds ratio) with 95% CI, significance, and model fit indices. A core method for clinical prediction and risk-factor analysis.

① Coller les données (with header)

First row is column names, then one case per row. The outcome variable must be 0/1 (0=did not occur, 1=occurred). You can paste a whole block from Excel.

Mode d'emploi et méthodologie

À quoi sert la régression logistique ?

Elle analyse l'effet d'un ou plusieurs facteurs (prédicteurs) sur un critère binaire (p. ex. malade/non, efficace/non, rechute/non) et est la méthode la plus courante pour l'analyse de facteurs de risque et les modèles de prédiction cliniques. Les résultats s'expriment en OR (rapport de cotes), donnant sens et force de chaque facteur.

Comment interpréter l'OR (rapport de cotes) ?

OR>1 = facteur de risque (augmente la chance du critère), OR<1 = facteur protecteur (la diminue), OR=1 = pas d'association. Pour une variable continue, l'OR est le changement des cotes du critère pour +1 unité. Pour la significativité, voyez si l'IC 95 % inclut 1 — significatif seulement s'il l'exclut.

Comment préparer les données ?

Disposez un tableau : première ligne = noms de colonnes, un cas par ligne. Le critère doit être codé 0 (non survenu) et 1 (survenu). Les prédicteurs peuvent être continus (âge, bilans) ou catégoriels déjà codés. Sélectionnez le bloc dans Excel et collez.

Qu'est-ce que l'avertissement de « séparation complète » ?

Lorsqu'un prédicteur sépare presque parfaitement le critère (p. ex. tous les positifs ont une valeur plus haute que tous les négatifs), l'estimateur du maximum de vraisemblance diverge et l'OR devient extrêmement grand et peu fiable. Fréquent avec de petits n ou une variable trop forte — ce n'est pas une erreur de l'outil. Augmentez l'échantillon, fusionnez des catégories ou réduisez les prédicteurs.