Please use this identifier to cite or link to this item: http://hdl.handle.net/11452/6554
Title: Lojistik regresyon -ayırma analizi, ayırma sorunu ve kalp hastalarında lojistik model yardımıyla risk ölçütlerinin belirlenmesi
Other Titles: Logistic regression-discrimination analysis, discriminating problems and the determination of risks factors in the patientsoft heart with help of logistic model
Authors: Kan, İsmet
Ediz, Bülent
Uludağ Üniversitesi/Sağlık Bilimleri Enstitüsü/Biyoistatistik Anabilim Dalı.
Keywords: Lojistik
Ayırma
Koroner
Sınıflandırma
Logistic
Discriminant
Coronary
Classification
Issue Date: 1997
Publisher: Uludağ Üniversitesi
Citation: Ediz, B. (1997). Lojistik regresyon -ayırma analizi, ayırma sorunu ve kalp hastalarında lojistik model yardımıyla risk ölçütlerinin belirlenmesi. Yayınlanmamış doktora tezi. Uludağ Üniversitesi Sağlık Bilimleri Enstitüsü.
Abstract: Sağlık alanındaki araştırıcılar, üzerinde çalıştıkları konuda çok etken olması durumunda etkenlerin tek tek bağımlı değişken üzerine etkisi yanında, bunların birlikte etkisini de öğrenmek ya da incelemek isterler. Tıp alanındaki araştırmalarda çok zaman bağımlı ve bağımsız değişkenlerin tür ve yapıları sosyal bilimlerdekilere benzemez, sürekli ve kesikli karışımı bağımsız değişkenlerle karşılaşılır. Üzerinde en çok durulan ve araştırıcı için önemli olan, etken veya etkenlerle hastalık arasındaki ilişkinin risk yönünden incelenmesidir. Bu tip incelemelerde ağırlıklı olarak Lojistik Regresyon Analizi (LRA) kullanılmaktadır. LRA, temelde regresyon analizi olmakla birlikte bir ayırıcı analiz tekniği olma özelliğini de taşımaktadır. EK-l'de verilen anket formu ile toplanan verilere, türetim yapılarak elde edilen değişik veri tip ve büyüklüklerinde ki 15 gruba LRA ve Ayırma. Analizi (AA) uygulayarak, gerçek ve türetilmiş verilerin doğru sınıflandırma oranları bulundu. Değişkenlerin tek tek modele dahil edilmesi durumunda doğru sınıflandırma oranlarının çok düşük olması nedeniyle, (%65. 19-%53. 90) çok değişkenli analizle doğru sınıflandırma oranının daha yüksek olacağını göstermek amacıyla çok değişkenli lojistik regresyon analizi uygulandı. Bu değişkenler yardımıyle lojistik regresyon analizi uygulandığında modele anlamlı katkısı bulunan parametre sayısı 16 ve doğru sınıflandırma oranı da %82.66 olarak belirlendi. Aynı değişkenlereayırma analizi uygulandığında ise doğru sınıflandırma oranı %80.65 olarak bulundu. Türetilen dağılım gruplarına, AA ve LRA uyguladığımızda, eğer n>50 ve bağımlı değişkenin (yanıt değişkeni) oranı %50'ler civarında ise, LRA ve AA sonucunda hesaplanan doğru sınıflandırma oranları eşit ya da birbirlerine çok yakın bulunmuştur. Bağımlı değişkende ilgilenilen özelliğin olasılığının çok az ya da fazla gözlenmesi durumunda ise, gruptaki verilerin şekli (kesikli, sürekli, kesikli-sürekli) ne olursa olsun, doğru sınıflandırma oranları LRA' nde daha yüksektir.
Researchers in health field want to learn coin and invidual effects of factors affecting the dependent variables, when there are many factors in their research topics. Generally, the types and structures of the dependent and independent variables in medical field do not resemble to the ones in social sciences, because, there' re continuous and discontinuous dependent variables. The important thing for the researcher is the investigation of the relation between factor or factors and the disease in terms of their risks. In this type of studies, mainly, Logistic Regression Analysis (LRA) is used. LRA, is basically a regression analysis, but it is also a discriminant analysis technique. Data were gathered through a questionnaire given in appendix- 1, and then the correct classification ratios of real or to produce data were found by LRA and Discriminant analysis. Because of getting low correct classification ratio when introducing the variables one at a time to the model; a multivariate analysis model was used in order to show that by using multivariate analysis, it was possible to get a higher correct classification ratio. The result of Logistic Regression Analysis with the help of these variables showed that the number of parameters which where contributing the model were 16 and their correct classification ratio was 82.66 %. The result of Discriminant Analysis with the XIXhelp of these variables showed that their correct classification ratio was 80.65 %. When AA and LRA are applied to the produced distribute groups in the case of n ^ 50 and the ratio of the dependent variable (answer variable) is arround 50 %, the correct classification ratios calculated at the result of LRA and AA have been found to be equal or very close to each other. On the occasion that the possibility of the interested property of the dependent variable is either much less or more, whatever the type of the group data (discontinuous, continuous, discontinuous-continuous) the correct classification ratios will be more than the LRA.
URI: http://hdl.handle.net/11452/6554
Appears in Collections:Doktora Tezleri / PhD Dissertations

Files in This Item:
File Description SizeFormat 
059676.pdf
  Until 2099-12-31
4.79 MBAdobe PDFView/Open Request a copy


This item is licensed under a Creative Commons License Creative Commons