Logistic regression is used to anal

Logistic regression is used to analyse the relationship between a single predictor, or several predictors, and an outcome
that is dichotomous in nature (such as the presence or absence of an event). This form of regression analysis has become an
increasingly employed statistical tool, especially over the last two decades (see Oommen, Baise, & Vogel, 2011, for review),
although its originals can be dated back to the nineteenth century (see Cramer, 2002). It is widely regarded as the statistic of
choice for situations in which the occurrence of a binary (dichotomous) outcome is to be predicted (see Hosmer & Lemeshow,
2000; King & Zeng, 2001; but see Tu, 1996, for discussion of some alternative techniques).
In addition to its many uses for developing models that will predict events in the physical sciences (e.g., Lopez & Sanchez,
2009), economics (Boyacioglu, Kara, & Baykan, 2009; Karp, 2009), political sciences (King, Tomz, & Wittenberg, 2000), and in
medicine (see Fleck et al., 2005; Jiang, El-Kareh, & Ohno-Machado, 2011), logistic regression has an increasing use in medical
and psychological contexts. Examples of the use of logistic regression in the latter settings include study of the factors that
predict whether an improvement or no improvement will occur after an intervention (e.g., Fleck et al., 2005; Khan et al.,
in press), or the presence or absence of stuttering in relation to a variety of factors (e.g., Howell & Davis, 2011; Reilly et al.,
2009).
In fact,the prediction of dichotomous outcome variables are especially useful in clinical research settings, where knowing
the factors that predict whether or not somebody will show an improvement due to treatment, or whether they will be likely
to experience a clinically-significant event (e.g., stutter, stroke, etc.), is vital to decisions about the course of the treatment.
In such cases, clearly specified dichotomous outcomes are of prime importance, and, indeed, they may be the only outcome
measures that are routinely and consistently taken in clinical practice.
As logistic regression has such widespread uses, there are many very good introductory statistical texts that give very
clear explanations of the technique (e.g., Agresti, 2007; Burns, Burns, & Burns, 2008; Hosmer & Lemeshow, 2000; Howell,
1997). Moreover, the steps necessary to conduct such an analysis using statistical software packages like SPSS are also
clearly described in many texts (e.g., Burns et al., 2008; Muijs, 2010), on many websites (e.g., Wuensch, 2009), and even on
YouTube videos. Moreover, specific introductions to the use of logistic regression in particular contexts have been provided
by Greenhouse, Bromberg, and Fromm (1995) for recovery after stroke, and by Peng, Lee, and Ingersoll (2002) for its use in
educational settings.

ผลลัพธ์ (ไทย) 1:

ถดถอยโลจิสติกใช้ในการวิเคราะห์ความสัมพันธ์ ระหว่างจำนวน ประตูที่เดียว หรือหลาย predictors ผลที่เป็น dichotomous ในธรรมชาติ (เช่นการแสดงหรือเหตุการณ์) วิเคราะห์การถดถอยแบบนี้ได้กลายเป็นการมากขึ้นจ้างเครื่องมือทางสถิติ โดยเฉพาะอย่างยิ่งทศวรรษสอง (ดู Oommen, Baise และโว เกล 2011 ทบทวน),แม้ว่าสามารถลงของต้นฉบับกลับไปศตวรรษ (ดู Cramer, 2002) มันอย่างกว้างขวางถือเป็นสถิติของทางเลือกในกรณีที่เกิดผล (dichotomous) เป็นไบนารีจะสามารถคาดการณ์ (ดู Hosmer และ Lemeshow2000 คิงแอนด์เซนเซง 2001 ได้ดูทู 1996 สำหรับการอภิปรายบางเทคนิคอื่น)นอกจากใช้ในการพัฒนารูปแบบที่จะทำนายเหตุการณ์ในวิทยาศาสตร์ทางกายภาพ (เช่น โลเปซและซาน2009), เศรษฐศาสตร์ (Boyacioglu, Kara และ Baykan, 2009 คาร์พ 2009) รัฐศาสตร์ (กษัตริย์ Tomz, & Wittenberg, 2000), และในยา (ดู Fleck et al., 2005 เจียง เอล Kareh, & Ohno-มาชา โด 2011), การถดถอยโลจิสติกมีขึ้นในและบริบททางจิตวิทยา ตัวอย่างการใช้การถดถอยโลจิสติกในการตั้งค่าหลังรวมถึงศึกษาปัจจัยที่ทำนายว่า จะเกิดขึ้นการปรับปรุงหรือไม่ปรับปรุงหลังจากการแทรกแซง (ก. Fleck et al., 2005 Khan et al.,ในข่าว), หรือการหรือพูดติดอ่างให้สัมพันธ์กับความหลากหลายของปัจจัย (เช่น Howell & Davis, 2011 Reilly et al.,2009)ในความเป็นจริง ทำนายตัวแปรผลลัพธ์ dichotomous มีประโยชน์อย่างยิ่งในการตั้งค่าในการวิจัยทางคลินิก ที่รู้ปัจจัยที่ทำนายหรือไม่ใครสักคนจะแสดงการปรับปรุงเนื่องจากการรักษา หรือว่าจะเป็นแนวโน้มประสบการณ์เหตุการณ์ทางคลินิกสำคัญ (เช่น พูด จังหวะ ฯลฯ), มีความสำคัญต่อการตัดสินใจเกี่ยวกับหลักสูตรการรักษาในกรณี ผล dichotomous ระบุชัดเจนมีความสำคัญเฉพาะ และ แน่นอน พวกเขาอาจจะผลลัพธ์เท่านั้นมาตรการที่มีเป็นประจำ และต่อเนื่องมาในคลินิกถดถอยโลจิสติก มีการใช้อย่างแพร่หลายเช่น มีหลายดีเกริ่นนำสถิติข้อความที่ให้มากล้างคำอธิบายเทคนิค (เช่น Agresti, 2007 ไหม้ เผาไหม้ และ ไหม้ 2008 Hosmer & Lemeshow, 2000 Howellปี 1997) . นอก ขั้นตอนจำเป็นต้องดำเนินการเช่นการวิเคราะห์โดยใช้สถิติซอฟต์แวร์แพคเกจเช่นโปรแกรมจะยังอธิบายอย่างชัดเจนในหลายข้อความ (เช่น ไหม้ et al., 2008 Muijs, 2010), เว็บไซต์จำนวนมาก (เช่น Wuensch, 2009), และแม้แต่ในวิดีโอ YouTube นอกจากนี้ บทนำเฉพาะการใช้การถดถอยโลจิสติกโดยเฉพาะในบริบทได้ให้โดยเรือนกระจก Bromberg, Fromm (1995) สำหรับการกู้คืนหลังจากจังหวะ และ เป็ง ลี และ Ingersoll (2002) สำหรับใช้ในการตั้งค่าการศึกษา

ผลลัพธ์ (ไทย) 2:

การถดถอยโลจิสติกที่ใช้ในการวิเคราะห์ความสัมพันธ์ระหว่างทำนายเดียวหรือหลายพยากรณ์และเกิดผลการที่เป็นคู่ตรงข้ามในธรรมชาติ (เช่นการมีหรือไม่มีการแข่งขัน)
รูปแบบของการวิเคราะห์การถดถอยนี้ได้กลายเป็นเครื่องมือทางสถิติที่มีงานทำมากขึ้นโดยเฉพาะอย่างยิ่งในช่วงสองทศวรรษที่ผ่านมา (ดู Oommen, ไบส์และวอเกิลปี 2011 สำหรับการตรวจสอบ) แม้ว่าต้นฉบับของมันสามารถย้อนไปถึงศตวรรษที่สิบเก้า (ดูแครมเมอ 2002 ) มันได้รับการยกย่องอย่างกว้างขวางว่าเป็นสถิติของทางเลือกสำหรับสถานการณ์ที่เกิดขึ้นของไบนารี (dichotomous) ผลที่จะได้รับการคาดการณ์ (ดูฮอสเมอร์และ Lemeshow, 2000; King & เซง 2001 แต่เห็น Tu, ปี 1996 สำหรับการอภิปรายของบางอย่าง เทคนิคทางเลือก). นอกเหนือจากการใช้มากในการพัฒนารูปแบบที่จะคาดการณ์เหตุการณ์ในวิทยาศาสตร์ทางกายภาพ (เช่นโลเปซและซานเชซ, 2009) เศรษฐกิจ (Boyacioglu คาร่าและ Baykan 2009; คาร์พ 2009) วิทยาศาสตร์ทางการเมือง ( คิง Tomz และตเทนเบิร์ก, 2000) และในการแพทย์(ดู Fleck et al, 2005;. เจียง El-Kareh และโอโนะ Machado 2011), โลจิสติกการถดถอยมีการใช้งานที่เพิ่มขึ้นในทางการแพทย์บริบทและจิตใจ ตัวอย่างการใช้งานของการถดถอยโลจิสติกในการตั้งค่าหลังรวมถึงการศึกษาปัจจัยที่คาดการณ์ว่าจะปรับตัวดีขึ้นหรือไม่ดีขึ้นจะเกิดขึ้นหลังจากการแทรกแซง (เช่น Fleck et al, 2005;. ข่าน, et al. ในการกด) หรือ มีหรือไม่มีการพูดติดอ่างในความสัมพันธ์กับความหลากหลายของปัจจัย (เช่นโฮเวลล์และเดวิส, 2011. ไรลีย์, et al, 2009). ในความเป็นจริงการคาดการณ์ของตัวแปรผล dichotomous ที่มีประโยชน์อย่างยิ่งในการตั้งค่าการวิจัยทางคลินิกที่รู้ปัจจัยที่คาดการณ์หรือไม่ว่าคนที่จะแสดงให้เห็นการพัฒนาอันเนื่องมาจากการรักษาหรือไม่ว่าพวกเขาจะมีโอกาสได้สัมผัสกับเหตุการณ์ทางคลินิกอย่างมีนัยสำคัญ (เช่นการพูดติดอ่าง, โรคหลอดเลือดสมอง ฯลฯ ) มีความสำคัญต่อการตัดสินใจเกี่ยวกับหลักสูตรของการรักษา. ใน กรณีดังกล่าวที่ระบุไว้อย่างชัดเจนผล dichotomous มีความสำคัญเฉพาะและแน่นอนพวกเขาอาจจะเป็นผลเพียงมาตรการที่มีเป็นประจำและนำอย่างต่อเนื่องในการปฏิบัติทางคลินิก. ในฐานะที่เป็นการถดถอยโลจิสติกมีการใช้อย่างแพร่หลายเช่นมีหลายดีมากตำราสถิติเบื้องต้นว่า ให้มากคำอธิบายที่ชัดเจนของเทคนิค(เช่นอาเกรสติ, 2007; เบิร์นเบิร์นเบิร์นส์ & 2008; ฮอสเมอร์และ Lemeshow 2000; โฮเวล1997) นอกจากนี้ขั้นตอนที่จำเป็นในการดำเนินการเช่นการวิเคราะห์โดยใช้โปรแกรมสำเร็จรูปทางสถิติเช่น SPSS นอกจากนี้ยังมีการอธิบายไว้อย่างชัดเจนในหลายตำรา(เช่นเบิร์นส์ et al, 2008;. Muijs 2010) ในเว็บไซต์จำนวนมาก (เช่น Wuensch 2009) และ แม้ในวิดีโอYouTube นอกจากนี้ยังมีการเปิดตัวที่เฉพาะเจาะจงเพื่อการใช้งานของการถดถอยโลจิสติกในบริบทโดยเฉพาะอย่างยิ่งได้รับการให้โดยเรือนกระจก Bromberg และฟรอมม์ (1995) สำหรับการกู้คืนหลังจากที่จังหวะและเป็ง, ลีและ Ingersoll (2002) สำหรับการใช้งานในการตั้งค่าการศึกษา

ผลลัพธ์ (ไทย) 3:

ถดถอยโลจิสติกเพื่อใช้วิเคราะห์ความสัมพันธ์ระหว่างตัวแปรเดียวหรือหลายปัจจัย และผล
ที่ไดโคโตมัสในธรรมชาติ ( เช่นการแสดงตนหรือขาดของเหตุการณ์ ) รูปแบบของการวิเคราะห์การถดถอยได้กลายเป็นเครื่องมือที่ใช้สถิติ
มากขึ้น โดยเฉพาะในช่วงสองทศวรรษที่ผ่านมา ( ดู oommen เบส , & Vogel , 2011 , รีวิว )
แม้ว่าดั้งเดิมสามารถวันที่กลับไปศตวรรษที่สิบเก้า ( ดูเมอร์ , 2002 ) มันคือการยอมรับอย่างกว้างขวางเป็นสถิติ
ทางเลือกสำหรับสถานการณ์ที่เกิดขึ้นของไบนารี ( dichotomous ) ผลคือต้องคาดการณ์ไว้ ( เห็นฮอสเซอเมอร์& lemeshow
, 2000 ; กษัตริย์&เซง , 2001 ; แต่เห็นตู , 1996 , การอภิปรายเทคนิคทางเลือก
)นอกจากการใช้มากสำหรับการพัฒนาแบบจำลองจะทำนายเหตุการณ์ในวิทยาศาสตร์ทางกายภาพ ( เช่น โลเปซ&ซานเชส
2009 ) , เศรษฐศาสตร์ ( boyacioglu คาร่า & baykan , 2009 ; คาร์ป , 2009 ) , รัฐศาสตร์ ( กษัตริย์ tomz & , วิท , 2000 ) และ ยา ( ดูคอน
et al . , 2005 ; เจียง เอล kareh &โอโนะ , Machado , 2011 ) , Logistic Regression มีการใช้ในทางการแพทย์
และบริบททางด้านจิตใจ ตัวอย่างของการใช้ Logistic Regression การตั้งค่าหลังรวมถึงการศึกษาปัจจัยที่
ทำนายว่าการปรับปรุงหรือไม่มีการปรับปรุงจะเกิดขึ้นหลังการแทรกแซง ( เช่นจุด et al . , 2005 ; ข่าน et al . ,
ใน กด หรือการแสดงตนหรือขาดของการพูดติดอ่างในความสัมพันธ์กับความหลากหลายของปัจจัย ( เช่น โฮเวลล์&เดวิส , 2011 ; Reilly et al . ,

ในความเป็นจริง , 2009 )การทำนายของตัวแปรพระคลังเป็นประโยชน์โดยเฉพาะอย่างยิ่งในการตั้งค่าการวิจัยทางคลินิกที่รู้
ปัจจัยที่ทำนายหรือไม่ บางคนจะแสดงการปรับปรุงเนื่องจากการรักษา หรือ ว่าอาจจะพบเหตุการณ์สําคัญทางคลินิก
( เช่นการพูดติดอ่าง , โรคหลอดเลือดสมอง , ฯลฯ ) , มีความสําคัญต่อการตัดสินใจเกี่ยวกับหลักสูตร การรักษา
ในกรณีดังกล่าวระบุไว้อย่างชัดเจนผลไดโคโตมัสเป็นนายก ความสำคัญ และแน่นอน พวกเขาอาจเป็นเพียงผล
มาตรการตรวจและสอดคล้องไปในทางคลินิก
เป็น logistic regression ได้เช่นการใช้อย่างแพร่หลาย มีหลายที่ดีมาก เบื้องต้นทางสถิติข้อความที่ให้คำอธิบายที่ชัดเจนของวิธีการมาก
( เช่น agresti , 2007 ; เบิร์น เบิร์น เบิร์น& , 2008 ;ฮอสเซอเมอร์& lemeshow , 2000 ; Howell
, 1997 ) นอกจากนี้ ขั้นตอนที่จำเป็นเพื่อดำเนินการเช่นการวิเคราะห์การใช้แพคเกจซอฟต์แวร์ทางสถิติ เช่น SPSS ยังมี
อธิบายไว้อย่างชัดเจนในข้อความหลาย ( เช่นการเผาไหม้ et al . , 2008 ; muijs 2010 ) ในเว็บไซต์จำนวนมาก ( เช่น wuensch , 2009 ) , และแม้กระทั่ง
YouTube วิดีโอ นอกจากนี้แนะนำที่เฉพาะเจาะจงที่จะใช้ Logistic Regression ในบริบทเฉพาะได้มา
โดยเรือนกระจก แบรมเบิร์กและฟรอมม์ ( 1995 ) สำหรับการกู้คืนหลังจากที่จังหวะและโดย Peng , ลี , Ingersoll ( 2002 ) สำหรับการใช้งานใน
สถานศึกษา